PhD-Position in Klinischer Datenverarbeitung und Datenschutzfreundlichem Maschinellen Lernen 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 patientenzentrierte klinische Forschung. Die Fakultät legt Wert auf interdisziplinäre Forschung und Digitalisierung und fördert Innovationen in der medizinischen Wissenschaft. Sie ist eine der größten medizinischen Fakultäten 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, darunter das Inselspital und die Universitären Psychiatrischen Dienste (UPD). Sie unterstützt und professionalisiert klinische und translationale Forschungskooperationen.
Unsere spezialisierten Abteilungen unterstützen Forschende während des gesamten Forschungsprozesses, von der Projektidee bis zur Ergebnisverbreitung. Wir bieten maßgeschneiderte Bildungsprogramme und Veranstaltungen zu allen Aspekten der klinischen Forschung an, um Forschende und Studierende mit den Fähigkeiten auszustatten, effiziente und wirkungsvolle Studien durchzuführen. Unsere Mission legt den Schwerpunkt auf patientenzentrierte Forschung, wobei die Perspektiven der Patienten integraler Bestandteil unserer Arbeit sind.

Die Medical Data Science Gruppe unter der Leitung von Assistenzprofessor Benjamin Ineichen, einem Arzt mit PhD in Neurowissenschaften/Pharmakologie, ist Teil des DCR an der Universität Bern. Die Gruppe, bekannt als STRIDE-Lab , ist ein multidisziplinäres Team mit Expertise in Medizin, Neurowissenschaften, Statistik und Informatik. Sie konzentriert sich darauf, die Lücke zwischen präklinischer und klinischer Forschung sowie letztlich der Arzneimittelzulassung zu schließen, um die Therapieentwicklung für menschliche Krankheiten voranzutreiben, mit Schwerpunkt auf Neurowissenschaften. Mithilfe von Evidenzsynthese und Data Science zielt das Labor darauf ab, das Wohlbefinden von Versuchstieren zu verbessern und gleichzeitig zu besseren Patientenbehandlungen beizutragen.

Die Entwicklung von Medikamenten für klinische Anwendungen ist herausfordernd, da nur etwa 5 % der Therapien eine behördliche Zulassung erhalten ( Ineichen et al., PLoS Biology, 2024 ). Während einige Misserfolge auf die Komplexität innovativer Therapien zurückzuführen sind, resultieren andere aus anpassbaren Faktoren bei der Arzneimittelprüfung, wie Ergebnismaße, Studiendauer und Modellauswahl (Berg et al., eBiomedicine, 2024) . Die Auswirkungen dieser Faktoren sind in einzelnen Studien schwer zu beurteilen, können jedoch durch groß angelegte Analysen klinischer Studiendaten 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 Berns umfangreicher klinischer Studienlandschaft und moderner Data-Science-Infrastruktur. Ziel ist es, die Schlüsselfaktoren für erfolgreiche Arzneimittelzulassungen zu identifizieren und dieses Wissen zur Optimierung des Studiendesigns zu nutzen. Dies soll durch die Entwicklung von TrialSim erreicht werden, einer digitalen Plattform, die Deep Learning integriert, um groß angelegte klinische Studiendaten zu kuratieren, zu integrieren und zu analysieren.

Für Ihr Promotionsprojekt bauen Sie den klinischen Studienzweig der TrialSim-Plattform auf: eine sichere und skalierbare klinische Datenpipeline. Ihre Hauptaufgaben umfassen:

1. Aufbau datenschutzkonformer elektronischer Gesundheitsakten (EHR) Datenpipelines in Zusammenarbeit mit den IT-Systemen der Krankenhäuser. Hierfür nutzen wir die moderne Dateninfrastruktur in Bern.
2. Entwurf von Workflows für Datenzugriff, -bereinigung, -verknüpfung und strukturierte Datenintegration unter Verwendung von LLMs.
3. Integration kuratierter Daten in ein agentenbasiertes LLM-Framework und Anwendung von maschinellem Lernen oder Deep Learning zur Identifikation von Faktoren, die mit erfolgreicher Arzneimittelentwicklung assoziiert sind.

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

• Zu laufenden Lehraktivitäten in der Gruppe/im Department beitragen
• Zu Publikationen und (inter)nationalen Konferenzen beitragen
• Zu einer positiven und kollaborativen Teamkultur beitragen

Wir suchen Kandidaten mit großer Begeisterung für die Projekte, an denen wir arbeiten, einschließlich Arzneimittelentwicklung, klinische Studien, Gesundheitsdaten und statistische Modellierung, die Freude an interdisziplinärer Arbeit an der Schnittstelle von Medizin und Informatik haben.

Erforderliche akademische Qualifikationen:

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

Erforderliche technische Qualifikationen:

• Expertise in Python-Programmierung und maschinellen Lernfähigkeiten, einschließlich MLOps, MLflow und/oder Docker
• Erfahrung in Datenengineering und Aufbau von Datenpipelines
• Erfahrung mit Gesundheitsdaten, vorzugsweise klinischen Daten wie EHRs / unstrukturiertem Text

Wünschenswert: Erfahrung mit Transformermodellen (z. B. BERT) oder generativen LLMs zur Datenkuratierung und -extraktion. Erfahrung mit Datenschutzmethoden für sensible Patientendaten.

Zusätzlich erforderliche Soft Skills:

• Ausgezeichnete Organisations- und Planungskompetenzen
• Starker Teamgeist – Sie schätzen Zusammenarbeit, gemeinsame Ziele und respektvolle Kommunikation
• Motivation und Engagement für Themen wie Arzneimittelentwicklung, klinische Studien, Gesundheitsdaten und statistische Modellierung sowie interdisziplinäre Arbeit an der Schnittstelle von Medizin und Informatik

• Sinnvolle Arbeit mit dem Ziel, das Tierwohl zu verbessern und die Behandlung neurologischer (und anderer) Erkrankungen voranzutreiben
• Ein kleines multidisziplinäres Team mit Expertise in Medizin, Neurowissenschaften, Statistik und Informatik
• Flexible Arbeitszeiten
• Möglichkeiten für Erst- und Mitautorenschaften bei peer-reviewed wissenschaftlichen Artikeln, wann immer möglich
• Zugang zu einer dynamischen Machine-Learning-Community an der Universität Bern mit starkem Fokus auf Digitalisierung
• Zusammenarbeit innerhalb der größten medizinischen Fakultät und des Krankenhauskomplexes der Schweiz mit umfangreichen Vernetzungsmöglichkeiten
• Bern, die Hauptstadt der Schweiz, ist eine lebendige Stadt mit reichhaltigem kulturellem Angebot und einfachem Zugang zu den schönsten Naturlandschaften der Schweiz
• Wir engagieren uns für Vielfalt und Inklusion, schätzen unterschiedliche Perspektiven zur Förderung von Innovationen. Wir begrüßen Bewerber aus allen Hintergründen und sorgen für ein respektvolles, unterstützendes Umfeld, in dem jeder gedeihen kann

Bei Fragen wenden Sie sich bitte an Prof. Ineichen Benjamin unter benjamin.ineichen@unibe.ch.

Interessiert? Dann senden Sie uns bitte Ihre vollständige Bewerbung an die Personalverwaltung
(hr.dcr@unibe.ch) bis spätestens (10. Oktober 2025).

Erforderliche Bewerbungsunterlagen:

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

Hinweis: Nur vollständige Bewerbungen werden berücksichtigt. Wir laden vielversprechende Kandidaten zu einem Vorstellungsgespräch ein.