Postdoktorand / Forschungsmitarbeiter im Bereich Maschinelles Lernen und NLP für Gesundheitsdaten 60-100%

Abteilung für Klinische Forschung
Beschäftigung nach Vereinbarung
Die Medizinische Fakultät der Universität Bern ist ein Umfeld für hochwertige, zukunftsorientierte Forschung. Starke Verbindungen zwischen Grundlagenforschung, Ingenieurwissenschaften und Universitätskliniken ermöglichen ein einzigartiges Setting für translationale und patientenorientierte klinische Forschung. Die Fakultät priorisiert interdisziplinäre Forschung und Digitalisierung , um Innovationen in der medizinischen Wissenschaft zu fördern. Sie ist eine der größten medizinischen Fakultäten in der Schweiz und ist mit dem größten Krankenhauskomplex des Landes verbunden.

Die Abteilung für Klinische Forschung (DCR) ist eine gemeinsame Initiative der Medizinischen Fakultät der Universität Bern und ihrer Universitätskliniken, einschließlich Inselspital und den Universitätspsychiatrischen Diensten (UPD). Sie unterstützt und professionalisiert klinische und translationale Forschungskooperationen.
Unsere spezialisierten Abteilungen unterstützen Forscher während des gesamten Forschungsprozesses, von der Projektkonzeption bis zur Ergebnissverbreitung. Wir bieten maßgeschneiderte Bildungsprogramme und Veranstaltungen zu allen Aspekten der klinischen Forschung, um Forscher und Studierende mit den Fähigkeiten auszustatten, effiziente und wirkungsvolle Studien durchzuführen. Unsere Mission priorisiert patientenorientierte Forschung und stellt sicher, dass die Perspektiven der Patienten integraler Bestandteil unserer Arbeit sind.

Die Gruppe für Medizinische Datenwissenschaft, geleitet von Assistenzprofessor Benjamin Ineichen, einem Arzt mit einem Doktortitel in Neurowissenschaften/Pharmakologie, ist Teil der DCR an der Universität Bern. Die Gruppe, bekannt als STRIDE-Lab , ist ein interdisziplinäres Team mit Expertise in Medizin, Neurowissenschaften, Statistik und Informatik. Sie konzentriert sich darauf, die Lücke zwischen präklinischer und klinischer Forschung sowie letztendlich der Arzneimittelzulassung zu überbrücken, um die Therapieentwicklung für menschliche Krankheiten voranzutreiben, mit einem Fokus auf Neurowissenschaften. Durch die Synthese von Evidenz und Datenwissenschaft zielt das Labor darauf ab, das Wohlergehen von Versuchstieren zu verbessern und gleichzeitig zu besseren Patientenbehandlungen beizutragen.

Die Entwicklung von Arzneimitteln für klinische Anwendungen ist herausfordernd, da nur etwa 5 % der Therapien eine behördliche Genehmigung erhalten ( Ineichen et al., PLoS Biology, 2024 ). Während einige Misserfolge auf die Komplexität innovativer Therapien zurückzuführen sind, ergeben sich andere aus anpassbaren Faktoren in der Arzneimittelprüfung, wie z. B. Ergebnismaße, Studiendauer und Modellauswahl (Berg et al., eBiomedicine, 2024). Die Auswirkungen dieser Faktoren sind in einzelnen Studien schwer zu bewerten, können jedoch durch die Analyse von Daten aus großangelegten klinischen Studien aufgedeckt werden (Ineichen et al., Nature Reviews, 2024).

Unser Ansatz kombiniert Expertise in Medizin, Evidenzsynthese und natürlicher Sprachverarbeitung (NLP) ( Doneva et al., EMNLP, 2024 ) mit der umfangreichen Landschaft klinischer Studien in Bern und moderner Datenwissenschaftsinfrastruktur. Das Ziel ist es, die Schlüsselfaktoren zu identifizieren, die erfolgreiche Arzneimittelzulassungen vorantreiben, und dieses Wissen zu nutzen, um das Design klinischer Studien zu optimieren und letztendlich die Ergebnisse für die Patienten zu verbessern.

Ihre Arbeit wird dazu beitragen, TrialSim aufzubauen, eine digitale Plattform, die Deep Learning nutzt, um Daten aus großangelegten klinischen Studien zu analysieren. TrialSim wird unstrukturierte Daten integrieren aus:

• Klinischen Studienregistern und entsprechenden Publikationen
• Elektronischen Gesundheitsakten (EHRs) aus Bern und internationalen Quellen

Sie werden an der Schnittstelle von Medizin und Informatik arbeiten und das große Volumen klinischer Daten nutzen, die in Bern sowie aus Publikationen verfügbar sind. Darüber hinaus werden Sie:

• Technische Unterstützung für KI/NLP- und Machine-Learning-Projekte innerhalb der Gruppe bereitstellen.
• Zu laufenden Lehraktivitäten in der Gruppe/Abteilung beitragen
• Zu Publikationen und (inter)nationalen Konferenzen beitragen.
• Zu einer positiven und kollaborativen Teamkultur beitragen.

Erforderliche akademische Qualifikationen:

• Doktorgrad oder Masterabschluss in Informatik, medizinischer Datenwissenschaft, Gesundheitsinformatik, Statistik, Mathematik, Softwaretechnik oder einem verwandten Bereich.

Minimale technische und berufliche Anforderungen (alle müssen erfüllt sein):
1) Starke Fähigkeiten und angewandte Expertise in maschinellem Lernen/deep learning, einschließlich MLOps und MLflow, idealerweise in Python. Mindestens minimale Erfahrung mit NLP, insbesondere Transformers (z. B. Hugging Face, PyTorch) und/oder Open-Source-LLMs (z. B. BERT, LLaMA, Mistral), Prompt Engineering, Fine-Tuning oder agentischen LLMs – oder zumindest Motivation, diese Fähigkeiten zu erlernen
2) Erfahrung mit biomedizinischen oder Gesundheitsdaten. Ein Plus, aber nicht erforderlich: Vertrautheit mit EHR-Standards (z. B. FHIR, OMOP, HL7) und Datenschutzrahmen (GDPR, HIPAA)
3) Mindestens einige Erfahrung in der akademischen Lehre

Zusätzliche Erwartungen:

• Freude daran, Studierende und weniger erfahrene Mitarbeiter zu betreuen und (technisch) zu unterstützen
• Starke Teamkompatibilität - Sie schätzen Zusammenarbeit, gemeinsame Ziele und respektvolle Kommunikation
• Motivation für Themen wie Arzneimittelentwicklung, klinische Studien, Gesundheitsdaten und statistische Modellierung sowie interdisziplinäre Arbeit an der Schnittstelle von Medizin und Informatik
• Bereitschaft, mindestens ein peer-reviewed Paper pro Jahr zu veröffentlichen

• Sinnvolle Arbeit, die darauf abzielt, das Wohlergehen von Tieren zu verbessern und die Behandlung neurologischer (und anderer) Krankheiten voranzutreiben.
• Ein kleines interdisziplinäres Team mit Expertise in Medizin, Neurowissenschaften, Statistik und Informatik.
• Flexible Arbeitszeiten.
• Gelegenheiten für Erst- und Co-Autorschaften bei peer-reviewed wissenschaftlichen Artikeln, wann immer möglich.
• Zugang zu einer dynamischen Community für maschinelles Lernen an der Universität Bern, mit einem starken Fokus auf Digitalisierung.
• Zusammenarbeit innerhalb der größten medizinischen Fakultät und des Krankenhauskomplexes der Schweiz, die umfangreiche Networking-Möglichkeiten bietet.
• Bern, die Hauptstadt der Schweiz, ist eine lebendige Stadt mit reichhaltigen kulturellen Angeboten und einfacher Anbindung an die atemberaubendsten Naturlandschaften der Schweiz.
• Wir setzen uns für Vielfalt und Inklusion ein, schätzen unterschiedliche Perspektiven zur Förderung von Innovation. Wir begrüßen Bewerber aus allen Hintergründen und gewährleisten ein respektvolles, unterstützendes Umfeld, in dem jeder gedeihen kann.

Wenn Sie irgendwelche Anfragen haben, kontaktieren Sie bitte Prof. Ineichen Benjamin unter benjamin.ineichen@uzh.ch.

Haben Sie Interesse? Dann senden Sie uns bitte Ihre vollständige Bewerbung an die HR-Verwaltung
(hr.dcr@unibe.ch) bis spätestens (31. August 2025).

Erforderliche Bewerbungsunterlagen:

• Motivationsschreiben, in dem Sie Ihr Interesse an diesem speziellen Projekt und Umfeld erläutern
• Lebenslauf, einschließlich Publikationen
• Akademisches Transkript/Notenübersicht

Hinweis: Nur vollständige Bewerbungen werden berücksichtigt. Wir werden vielversprechende Kandidaten zu einem Interview einladen.