Candidat-e au doctorat - 4DOC-R

Description du poste

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 :

Assistant-e doctorant-e (75%) - CDD

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.

Titre et compétences exigés

• 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.