Etudes Non Stop Etudes Non Stop
Related Articles
L’Université de Zurich et l’hôpital universitaire de Zurich s’engagent dans un effort concerté pour développer des programmes informatiques afin de faire progresser la recherche biomédicale en utilisant des approches informatiques de pointe. Dans le cadre de ces efforts, le groupe de recherche Krauthammer étudie des sujets liés à la science des données cliniques et à la bioinformatique translationnelle, tels que la découverte de connaissances à partir de sources de Big Data (dossier médical électronique), le développement du traitement du langage naturel, la recherche et l’extraction d’informations, ainsi que le analyse des données Omics humaines. Le groupe est dirigé par le professeur Michael Krauthammer et fait partie du Département de biomédecine quantitative ( DQBM ) .
Pour ce poste, nous recherchons des candidats postdoctoraux motivés qui souhaitent appliquer leurs compétences informatiques à des problèmes médicaux et biologiques. Un exemple d’apprentissage automatique (ML) en biologie est notre dernier travail sur les outils d’édition du génome (éditeurs de base) pour la recherche fondamentale et la thérapie génique. Nous avons développé BE- DICT 1 , un algorithme d’apprentissage en profondeur basé sur l’attention capable de prédire les résultats d’édition de base avec une grande précision.
Un exemple de ML dans les soins de santé est notre travail sur l’analyse des séries chronologiques pour la prédiction de la réadmission des patients. Dans ce travail 2 , nous avons exploré l’application systématique de modèles de réseau neuronal pour prédire 30 jours de réadmission toutes causes après la sortie d’une hospitalisation pour IC. Et plus récemment, nous nous sommes concentrés sur l’analyse des trajectoires des patients (c.-à-d. En utilisant les antécédents médicaux des patients) et des «similitudes entre les patients» (c.-à-d. L’évaluation de la similarité des patients sur des données longitudinales de santé) pour le parcours de soins / la découverte des connaissances et la prédiction personnalisée des résultats 3. Notre objectif est de développer des approches de pointe et de créer des méthodes de pointe pour capitaliser sur les informations cliniques numériques pour comparer, analyser et visualiser automatiquement les parcours longitudinaux complexes des patients en se concentrant sur le concept de similitude des parcours des patients. Cela implique la construction de systèmes d’aide à la décision alimentés par des algorithmes prédictifs pour guider le traitement des patients à travers tous les stades de la maladie, l’évaluation des effets du traitement à l’aide de l’inférence contrefactuelle et l’identification des mécanismes causaux de la progression de la maladie.
1- Marquart, KF, Allam, A., et al. Prédire les résultats de l’édition de base avec un algorithme d’apprentissage en profondeur basé sur l’attention, formé sur des écrans de bibliothèque cible à haut débit. bioRxiv 2020.07.05.186544 (2020) doi: 10.1101 / 2020.07.05.186544.
2- Allam, A., Nagy, M., Thoma, G. & Krauthammer, M. Réseaux de neurones versus régression logistique pour 30 jours de prédiction de réadmission toutes causes. Sci. Rep. 9 , 9277 (2019).
Allam, A., Dittberner, M., Sintsova, A., Brodbeck, D. & Krauthammer, M. Analyse de similarité des patients avec des données longitudinales sur la santé. (2020). http://arxiv.org/abs/2005.06630
Qualifications
- Doctorat en informatique (axé sur l’apprentissage automatique), l’optimisation, les statistiques, les mathématiques appliquées ou une discipline étroitement liée.
- Solide publication avec au moins un article de premier auteur dans des conférences de premier plan (telles que NeurIPS, ICML , AISTATS , AAAI , ICLR , etc.)
- Maîtrise de Python et de la pile de calcul scientifique (SciPy, Numpy, Scikit-learn, pandas)
- Maîtrise de l’un des frameworks d’apprentissage profond (PyTorch, Tensorflow)
Ce que nous offrons
Nous offrons un environnement de recherche interdisciplinaire, la possibilité de diriger vos propres recherches et l’accès à une infrastructure de ressources informatiques de pointe.
- Accès à une infrastructure de pointe (ressources informatiques), des ensembles de données cliniques et des connaissances dans le domaine de l’expertise médicale (excellents médecins et chercheurs scientifiques)
- Capacité à avoir un impact réel et tangible dans la recherche en santé
- Résolvez les problèmes du monde réel et améliorez les processus et le flux de travail liés à l’hôpital
- Environnement de recherche stimulant et lieu de croissance académique et professionnelle
- Conditions de travail exceptionnelles à l’Université de Zurich (plus de détails ici ).
