Candidat-e au doctorat - 4DOC-R

Aide

Entité organisationnelle

Faculté de médecine

Section / Division

Section de médecine clinique

Fonction

Candidat-e au doctorat - 4DOC-R

Code fonction

CAND75

Classe maximum

8

Corps

Assistant - maître assistant

Taux d’activité

75

Délai d’inscription

31-01-2025

Référence

6117

Pièce(s) jointe(s)

• 0123_Cahier_des_charges_A-MA_V202308_AIIDKIT.pdf
  (PDF , 244,8kb)

La Faculté de Médecine de l’Université de Genève bénéficie d’un environnement multiculturel auquel elle contribue activement à travers l’enseignement, la recherche, et son partenariat avec les Hôpitaux Universitaires de Genève (HUG).

Au sein du Département de radiologie et d’informatique médicale, le groupe de recherche Data Science for Digital Health (DS4DH), dirigé par le Professeur Douglas Teodoro, explore des techniques de pointe en science des données appliquées à l’évaluation des risques en santé. Dans ce contexte, plusieurs projets se concentrent sur la conception de méthodes novatrices d’apprentissage automatique et de traitement du langage naturel (NLP) pour analyser des données riches en santé et en recherche clinique.

Pour soutenir l’équipe DS4DH dans le développement d’un nouveau projet de recherche financé par le Fonds National Suisse (FNS), le groupe de recherche ouvre un poste de :

Le/la candidat-e sélectionné-e développera des recherches dans le cadre du projet ’ AIIDKIT: Artificial Intelligence for Improved Infectious Diseases Outcomes in Kidney Transplant Recipients ’. Le projet vise à améliorer les résultats des transplantations rénales en utilisant l’IA pour prédire les risques d’infection. En analysant de vastes données de patients de haute qualité, provenant du Swiss Transplant Cohort Study, AIIDKIT va développer des modèles personnalisés qui prédisent les risques d’infection individuels en fonction de facteurs tels que les antécédents médicaux, les complications post-transplantation et les médicaments. Cette approche innovante vise à améliorer les résultats pour les patients en permettant d’adapter les stratégies de prévention et de traitement.

L’assistant-e doctorant-e se concentrera sur l’exploration de nouvelles méthodes d’apprentissage profond pour modéliser les trajectoires des patients et prédire les risques d’infection. Les tâches du/de la candidat-e retenu-e comprennent la collaboration interdisciplinaire et la recherche en apprentissage automatique, en mettant l’accent sur l’apprentissage profond, l’analyse des données de santé multimodales, l’inférence causale et l’apprentissage avec des réseaux neuronaux graphiques.

• Master en informatique, statistiques, ingénierie, bioinformatique ou dans un domaine connexe.
• Solide expérience en apprentissage automatique en mettant l’accent sur l’apprentissage profond, les réseaux neuronaux graphiques et/ou les modèles d’attention.
• Maîtrise des langages de programmation tels que Python ou R.
• Expérience des analyses de données médicales et biostatistiques fortement souhaitée.
• Capacité à travailler en équipe pluridisciplinaire.
• Langues : Anglais.

01.04.2025

Si vous correspondez à la description ci-dessus, nous serions ravis de recevoir votre candidature (CV, certificats, diplômes) qui doit être soumise exclusivement en ligne en cliquant sur le bouton ci-dessous "Postuler/Applynow".

Pour toute information complémentaire, vous pouvez contacter le Professeur Douglas Teodoro .

Contrat de droit privé de durée déterminée d’un an, renouvelable.

The Faculty of Medicine at the University of Geneva benefits from a multicultural environment to which it actively contributes through teaching, research and its partnership with the University Hospitals of Geneva (HUG).

Within the Department of Radiology and Medical Informatics, the Data Science for Digital Health (DS4DH) research group, led by Professor Douglas Teodoro, explores cutting-edge data science techniques applied to health risk assessment. In this context, several projects focus on the design of innovative natural language processing (NLP) and machine learning methods for analysing rich data in health and clinical research.

To support the DS4DH team in the development of a new research project funded by the Swiss National Science Foundation (SNSF), the research group has an opening for a:

The successful candidate will develop research as part of the ’AIIDKIT: Artificial Intelligence for Improved Infectious Diseases Outcomes in Kidney Transplant Recipients’ project. The project aims to improve kidney transplant outcomes by using AI to predict the risk of infection. By analyzing large high-quality patient data from the Swiss Transplant Cohort Study, AIIDKIT will develop personalized models that predict individual infection risks based on factors such as medical history, post-transplant complications and medications. This innovative approach aims to improve patient outcomes by enabling prevention and treatment strategies to be tailored.

The PhD assistant will focus on exploring new deep learning methods to model patient trajectories and predict infection risk. The successful candidate’s tasks include interdisciplinary collaboration and machine learning research, with a focus on deep learning, multimodal health data analysis, causal inference and learning with graphical neural networks.

Qualifications required

• Master’s in computer science, statistics, engineering, bioinformatics or a related field.
• Solid experience in machine learning, with a focus on deep learning methods, graphical neural networks and/or attention-based models.
• Proficiency in programming languages such as Python or R.
• Experience with health data and biostatistics analyses is highly desirable.
• Ability to work in a multidisciplinary team.
• Languages: English.

We are looking for a motivated and diligent individual with a strong passion for data science research applied to the health domain. The ideal candidate will be able to work independently, organize his/her work effectively and collaborate regularly with internal and external colleagues, as part of an international team. He/she will have a problem-solving mindset and a versatile attitude. The selected candidate will be based at Campus Biotech.

Starting date

01.04.2025

Contact

If you match the above description, we would be delighted to receive your application (CV, certificates, diplomas), which should be submitted exclusively online by clicking on the "Postuler/Apply now" button below.

L’Université de Genève offre des conditions d’engagement motivantes dans un cadre de travail stimulant. En nous rejoignant, vous aurez l’occasion de mettre en valeur vos compétences ainsi que votre personnalité et contribuer activement au rayonnement d’une Institution fondée en 1559.

Dans une perspective de parité, l’Université encourage les candidatures du sexe sous-représenté.

Postuler / Apply now

Transmettre / Send to a friend

In your application, please refer to myScience.ch and referenceJobID66148.