Postdoc positie, klinische implementatie AI gebaseerde voorspelmodellen at Universiteit Twente
7522 Enschede, , Netherlands -
Full Time


Start Date

Immediate

Expiry Date

28 Nov, 25

Salary

3.546

Posted On

29 Aug, 25

Experience

0 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

No

Skills

Good communication skills

Industry

Information Technology/IT

Description

BELANGRIJKSTE PUNTEN


  • Uur
    38 - 40 u.

  • Salarisindicatie
    bruto/mnd.
    o.b.v. fulltime
    € 3.546 - € 5.538

  • Deadline
    19 sep 2025
    Word jij enthousiast van het verbeteren en toepassen van AI bij het oplossen van klinische uitdagingen? Ben je communicatief vaardig en vind je het leuk om met mensen met verschillende achtergronden samen te werken? Als postdoc onderzoeker binnen de vakgroep M3i en het Rijnstate ziekenhuis maak je deel uit van het door ZonMW gefinancierde AI for EVAR-project, dat erop gericht is de zorg voor patiënten met een abdominaal aorta-aneurysma te transformeren. Je implementeert en valideert geavanceerde multimodal deep learning-modellen die beeldvorming en klinische data integreren om behandel en follow-up strategieën te personaliseren. Daarnaast voer je een vroege HTA analyse uit van de ontwikkelde modellen.
    In Nederland wordt ongeveer 75% van de patiënten met een abdominaal aorta-aneurysma endovasculair behandeld, waarbij een stent wordt geplaatst (EVAR). Hoewel EVAR goede korte-termijn resultaten oplevert, hebben deze patiënten op de lange termijn een verhoogd risico op complicaties en heringrepen. Dit maakt levenslange follow-up noodzakelijk.
    Binnen het door ZonMW gefinancierde AI for EVAR-project ontwikkelen we multimodale modellen voor een optimale keuze voor behandeling en voor follow-up ná EVAR. Je implementeert en valideert multimodal deep learning-modellen die CT-beelden en klinische data combineren, getraind op de unieke RADAR-consortiumdatabase.
    Je wordt onderdeel van de leerstoel M3i, naast een aanstelling in het Rijnstate ziekenhuis (afdeling Chirurgie). Gecombineerd hebben beide centra ruime expertise in de ontwikkeling van betrouwbare en robuuste deep learning-methoden (in samenwerking met de UT-vakgroep MIA) met klinische impact. Het project is sterk interdisciplinair, en van de succesvolle kandidaat wordt verwacht dat hij/zij intensief samenwerkt met technische en industriële partners.
Responsibilities

Please refer the Job description for details

Loading...