Considérant l'importance que l'on attribue aux résultats des outils provenant de l'intelligence artificielle dans les domaines de la médecine, la capacité de comprendre ce qui permet à un réseau de neurones d'obtenir ses résultats est un atout majeur lorsqu'il faut décider si la prédiction est fiable ou non. 
Afin d'arriver à cet objectif, le projet a passé au travers de deux phases : l'évaluation du modèle et l'interprétation du modèle. Dans cette première phase a permis l'implémentation de méthodes généralisées pour évaluer la qualité de différents modèles en fonction de métriques communes préétablie. Une fois la qualité du modèle vérifié, le projet entre dans la deuxième phase où il était question d'implémenter des méthodes pour interpréter les prédictions du modèle afin de mieux comprendre ce qui permettait au modèle d'arriver à ses résultats.
Une troisième et dernière phase consistait en l'analyse des résultats d'interprétation obtenue et la présentation de ces derniers aux collègues travaillant sur le même réseau de neurones afin d'accroître la compréhension de ce dernier.