Chercheur postdoctoral / Associé de recherche en apprentissage automatique et NLP pour les données de santé 60-100%

Département de recherche clinique
Emploi sur accord
La Faculté de médecine de l'Université de Berne est un environnement de recherche de haute qualité et orienté vers l'avenir. De fortes connexions entre la recherche fondamentale, les sciences de l'ingénierie et les hôpitaux universitaires permettent un cadre unique pour la recherche clinique translationnelle et centrée sur le patient. La faculté privilégie la recherche interdisciplinaire et la numérisation , favorisant l'innovation en sciences médicales. C'est l'une des plus grandes facultés de médecine de Suisse et elle est affiliée au plus grand complexe hospitalier du pays.

Le Département de recherche clinique (DCR) est une initiative conjointe de la Faculté de médecine de l'Université de Berne et de ses hôpitaux universitaires, y compris l'Inselspital et les Services psychiatriques universitaires (UPD). Il soutient et professionnalise les collaborations en recherche clinique et translationnelle.
Nos divisions spécialisées assistent les chercheurs tout au long du processus de recherche, de la conception du projet à la diffusion des résultats. Nous proposons des programmes éducatifs et des événements adaptés sur tous les aspects de la recherche clinique, équipant les chercheurs et les étudiants des compétences nécessaires pour mener des études efficaces et impactantes. Notre mission privilégie la recherche centrée sur le patient, garantissant que les perspectives des patients sont intégrales à notre travail.

Le groupe de science des données médicales, dirigé par le professeur adjoint Benjamin Ineichen, médecin avec un doctorat en neurosciences/pharmacologie, fait partie du DCR à l'Université de Berne. Le groupe, connu sous le nom de STRIDE-Lab , est une équipe multidisciplinaire avec une expertise en médecine, neurosciences, statistiques et informatique. Il se concentre sur le rapprochement entre la recherche préclinique et clinique et, finalement, l'approbation des médicaments, pour faire avancer le développement de thérapies pour les maladies humaines, avec un accent sur les neurosciences. En utilisant la synthèse de preuves et la science des données, le laboratoire vise à améliorer le bien-être des animaux expérimentaux tout en contribuant à de meilleurs traitements pour les patients.

Développer des médicaments pour des applications cliniques est un défi, avec seulement environ 5 % des thérapies recevant une approbation réglementaire ( Ineichen et al., PLoS Biology, 2024 ). Bien que certains échecs soient dus à la complexité des thérapies innovantes, d'autres proviennent de facteurs ajustables dans les tests de médicaments, tels que les mesures de résultats, la durée des essais et la sélection des modèles (Berg et al., eBiomedicine, 2024). L'impact de ces facteurs est difficile à évaluer dans des essais individuels mais peut être découvert grâce à l'analyse de données d'essais cliniques à grande échelle (Ineichen et al., Nature Reviews, 2024).

Notre approche combine l'expertise en médecine, la synthèse de preuves et le traitement du langage naturel (NLP) ( Doneva et al., EMNLP, 2024 ) avec le vaste paysage des essais cliniques de Berne et une infrastructure moderne de science des données. L'objectif est d'identifier les facteurs clés qui conduisent à des approbations de médicaments réussies et d'utiliser ces connaissances pour optimiser la conception des essais cliniques et, finalement, les résultats pour les patients.

Votre travail contribuera à la construction de TrialSim, une plateforme numérique qui utilise l'apprentissage profond pour analyser des données d'essais cliniques à grande échelle. TrialSim intégrera des données non structurées provenant de :

• Registres d'essais cliniques et publications correspondantes
• Dossiers de santé électroniques (DSE) de Berne et de sources internationales

Vous travaillerez à l'interface de la médecine et de l'informatique, en tirant parti du grand volume de données cliniques disponibles à Berne ainsi que des publications. De plus, vous :

• Fournirez un soutien technique pour les projets d'IA/NLP et d'apprentissage automatique au sein du groupe.
• Contribuerez aux efforts d'enseignement en cours dans le groupe/au Département
• Contribuerez aux publications et aux conférences (inter)nationales.
• Contribuerez à une culture d'équipe positive et collaborative.

Qualifications académiques requises :

• Doctorat ou diplôme de MSc en informatique/informatique, science des données médicales, informatique de la santé, statistiques, mathématiques, ingénierie logicielle ou dans un domaine connexe.

Exigences techniques et professionnelles minimales (toutes doivent être satisfaites) :
1) Compétences solides et expertise appliquée en apprentissage automatique/apprentissage profond, y compris MLOps et MLflow, idéalement en Python. Au moins une expérience minimale avec le NLP, en particulier les Transformers (par exemple, Hugging Face, PyTorch), et/ou des LLM open-source (par exemple, BERT, LLaMA, Mistral), l'ingénierie des invites, le fine-tuning, ou des LLM agentiques – ou au moins la motivation d'apprendre ces compétences
2) Exposition à des données biomédicales ou de santé. Un plus mais pas requis : familiarité avec les normes DSE (par exemple, FHIR, OMOP, HL7) et les cadres de confidentialité (GDPR, HIPAA)
3) Au moins une certaine expérience dans l'enseignement académique

Attentes supplémentaires :

• Aimer encadrer et (techniquement) soutenir les étudiants et le personnel plus junior
• Bonne adéquation avec l'équipe - vous appréciez la collaboration, les objectifs partagés et la communication respectueuse
• Motivation pour des sujets tels que le développement de médicaments, les essais cliniques, les données de santé et la modélisation statistique ainsi que le travail interdisciplinaire à l'intersection de la médecine et de l'informatique
• Volonté de publier au moins un article évalué par des pairs par an

• Un travail significatif visant à améliorer le bien-être animal et à faire progresser le traitement des maladies neurologiques (et autres).
• Une petite équipe multidisciplinaire avec une expertise en médecine, neurosciences, statistiques et informatique.
• Horaires de travail flexibles.
• Opportunités de première et de co-auteur sur des articles scientifiques évalués par des pairs chaque fois que possible.
• Accès à une communauté dynamique d'apprentissage automatique à l'Université de Berne, avec un fort accent sur la numérisation.
• Collaboration au sein de la plus grande faculté de médecine et du plus grand complexe hospitalier de Suisse, offrant d'importantes opportunités de réseautage.
• Berne, la capitale de la Suisse, est une ville vivante avec une riche offre culturelle et un accès facile aux paysages naturels les plus époustouflants de Suisse.
• Nous sommes engagés en faveur de la diversité et de l'inclusion, valorisant différentes perspectives pour stimuler l'innovation. Nous accueillons les candidatures de tous horizons et garantissons un environnement respectueux et de soutien où chacun peut s'épanouir.

Si vous avez des questions, veuillez contacter le Prof. Ineichen Benjamin, à benjamin.ineichen@uzh.ch.

Êtes-vous intéressé ? Alors veuillez nous envoyer votre candidature complète à l'administration des ressources humaines
(hr.dcr@unibe.ch) d'ici le (31 août 2025), au plus tard.

Documents de candidature requis :

• Lettre de motivation expliquant votre intérêt pour ce projet et cet environnement particuliers
• CV, y compris les publications
• Relevé de notes académique

Remarque : Seules les candidatures complètes seront prises en compte. Nous inviterons les candidats prometteurs à un entretien.