Lehrstelle Kauffrau/mann EFZ (Fachrichtung Gesundheit) ab August 2027

Mikro-Multiphysik Agentenbasierte Modellierung zur Simulation patientenspezifischer Knochenumbauprozesse

Fragilitätsfrakturen gehören zu den schwerwiegendsten Folgen einer beeinträchtigten Knochengesundheit bei älteren Erwachsenen und führen oft zu eingeschränkter Mobilität, Verlust der Unabhängigkeit und langfristiger Behinderung. Obwohl die aktuellen Versorgungsstandards wichtige Werkzeuge zur Beurteilung der Knochengesundheit und des Frakturrisikos bieten, erfassen sie nicht vollständig, wie individuelle Unterschiede im Knochenumbau, in der Entzündung, der mechanischen Belastung und der biologischen Gewebereaktion den Frakturverlauf im Zeitverlauf beeinflussen. Osteoporose und verwandte altersbedingte Knochenerkrankungen sind hochgradig heterogen, wobei Patienten sich in der Knochenbildungsfähigkeit, Osteoklastenaktivität, Entzündungsstatus, Mineralisationsdynamik und Anpassungsfähigkeit an mechanische Reize unterscheiden. Computermodelle, die diese biologischen und klinischen Unterschiede integrieren, könnten personalisierte Strategien zur Frakturprävention und muskuloskelettalen Versorgung unterstützen.

Aufbauend auf der dynamischen Knochen-Organoid-Kulturplattform, die im Labor für Knochenbiomechanik an der ETH Zürich entwickelt wurde, zielt dieses Projekt darauf ab, mikro-multiphysikalische agentenbasierte Modelle (micro-MPA) zu entwickeln, die patientenabgeleitete Organoid-Auswertungen mit klinischen und bildgebenden Daten verknüpfen. Der Doktorand wird rechnergestützte Arbeitsabläufe entwickeln, um Knochenumbauprozesse, mechanisch-zytokinelle Mikroumgebungen, zelluläre Dynamiken und patientenspezifische Frakturrisikoverläufe zu simulieren. Biologische Ergebnisse aus patientenabgeleiteten 3D-Knochenorganoiden, einschließlich Mineralisationsdynamik, Osteoklastenaktivität, Immun-Knochen-Interaktionen, Entzündungsprofilen und mechanischer Reaktion, werden in Modellparameter übersetzt und mit relevanten klinischen Datensätzen integriert.

Das resultierende Modellierungsframework wird die Vorhersage patientenspezifischer Knochenumbauverläufe und Frakturrisiken unter verschiedenen biologischen und mechanischen Bedingungen unterstützen und zu datengetriebenen und humanrelevanten Ansätzen für die präzise Frakturprävention beitragen.

Der Doktorand wird eng mit Ingenieuren, Klinikern, Biologen und rechnergestützten Forschern zusammenarbeiten, um ein micro-MPA-Modellierungsframework zu erstellen, das die Vorhersage patientenspezifischer Knochenumbauverläufe und Frakturrisiken unterstützt.

Einige Schlüsselaspekte der Arbeit sind:

• Entwicklung von micro-MPA-Modellierungsabläufen zur patientenspezifischen Knochenumbau- und Frakturrisikovorhersage.
• Integration biologischer Auswertungen aus patientenabgeleiteten 3D-Knochenorganoiden mit klinischen, bildgebenden und rechnergestützten Datensätzen.
• Simulation von Knochenumbauprozessen, mechanisch-zytokinellen Mikroumgebungen, zellulären Dynamiken und Frakturrisikoverläufen.
• Entwicklung und Validierung prädiktiver Modellierungsframeworks zur Unterstützung der präzisen Frakturprävention und personalisierten muskuloskelettalen Versorgung.

Bewerber sollten einen MSc-Abschluss in Biomedizintechnik, Rechnerbiologie, Informatik, Angewandter Mathematik, Physik, Maschinenbau oder einem verwandten Fachgebiet besitzen. Nach erfolgreichem Abschluss des Studiums wird der Doktortitel von der ETH Zürich verliehen.

Die Kandidaten sollten Erfahrung in rechnergestützter Modellierung, numerischer Simulation oder datengetriebener Modellierung haben. Starke Programmierkenntnisse in Python oder einer verwandten wissenschaftlichen Programmiersprache sind erforderlich. Erfahrung mit agentenbasierter Modellierung, Multiphysik-Modellierung, Mechanobiologie-Modellierung oder Simulationen des Gewebeumbaus wäre von Vorteil.

Erfahrung in medizinischer Bildgebung, Computertomographie, Bildanalyse oder morphometrischer Analyse. Erfahrung mit maschinellem Lernen, statistischer Modellierung, Parameterschätzung, Modellkalibrierung, Sensitivitätsanalyse oder Modellvalidierung wird als grosser Vorteil angesehen. Vertrautheit mit Knochenbiologie, Osteoporose, skelettaler Mechanobiologie oder organoid-abgeleiteten biologischen Datensätzen wäre ein zusätzlicher Vorteil.

Kandidaten sollten ausgezeichnete schriftliche und mündliche Englischkenntnisse besitzen und in der Lage sein, komplexe Forschungsthemen zunehmend selbstständig zu bearbeiten. Sie sollten motiviert sein, an der Schnittstelle von rechnergestützter Modellierung, Skelettbiologie und präziser muskuloskelettaler Medizin zu arbeiten. Vertrautheit mit einem interkulturellen und interdisziplinären Forschungsumfeld wäre von Vorteil.

• Zertifiziert mit 5 Tripartite-Standards durch die Tripartite Alliance for Fair & Progressive Employment Practices (TAFEP) Singapur. 
• Ein vielfältiger Arbeitsplatz mit 32 Nationalitäten, der zahlreiche Möglichkeiten zum gegenseitigen Lernen bietet. 
• Positives und inklusives Arbeitsumfeld. 
• 25 Tage Jahresurlaub bei befristeten Verträgen. 
• 1 Tag Geburtstagsurlaub. 
• Jährliche Zahnzusatzleistungen. 
• Engagement als unterstützender Arbeitgeber, der Ihre körperliche und geistige Gesundheit priorisiert. 
• Umfassende Krankenversicherung. 
• Flexible hybride Arbeitsregelung (bis zu 2 Tage pro Woche Homeoffice). 
• Vielfältige Networking-Möglichkeiten über verschiedene Disziplinen hinweg. 
• Zertifiziert mit NS-Mark-Zertifizierung. 

Wir freuen uns auf Ihre Online-Bewerbung mit folgenden Unterlagen:

• Ein Anschreiben mit einer spezifischen Begründung Ihrer Motivation für das Projekt.
• Ihren Lebenslauf inklusive Name und Kontaktdaten von 2 akademischen Referenzen.
• Eine Kopie Ihrer Universitätszeugnisse als PDFs.

Weitere Informationen zum Singapore-ETH Centre finden Sie auf unserer  Website.  Fragen zur Stelle richten Sie bitte an Prof. Dr. Ralph Müller (ETH Zürich), ram@ethz.ch

Bitte beachten Sie, dass wir ausschließlich Bewerbungen über unser Online-Bewerbungsportal akzeptieren. Bewerbungen per E-Mail oder Post werden nicht berücksichtigt.

Wir möchten darauf hinweisen, dass die Vorauswahl von den zuständigen Recruitern und nicht von künstlicher Intelligenz durchgeführt wird.