Werken bij Amsterdam UMC

PhD, AI-based detection and prediction of esophageal carcinoma precursor lesions

PhD AI-gebaseerde detectie en voorspelling van oesofaguscarcinoom precursor laesies
PhD, AI-based detection and prediction of esophageal carcinoma precursor lesions
Vragen?
Solliciteer direct
  • Aantal uur: 36 uur per week
  • Specialisme: Laboratoria
  • Contractvorm: bepaalde tijd
  • Salaris: € 2.570 - € 3.271
  • Reageer tot en met: 31 januari 2022
Solliciteer direct Reageer binnen 8 dag(en)
Wat ga je onderzoeken?

Slokdarmkanker (oesophagus adenocarcinoom, EAC) wordt in een laat stadium gediagnosticeerd en heeft een slechte prognose. Gedurende de laatste decennia is er een enorme toename in de incidentie van EAC waargenomen . EAC kan worden voorkomen indien precursor laesies tijdig worden opgespoord en behandeld. Barrett's slokdarm (BE) is de enige bekende voorloper laesie, en kan zich ontwikkelen via een opeenvolging van aanvankelijk goedaardige, tot in een later stadium kwaadaardige weefselveranderingen. Pathologische diagnose is essentieel voor een optimale behandeling van de patiënt, maar histopathologische weefselanalyse is subjectief. Dit resulteert in een onaanvaardbare variatie in de behandelingsuitkomsten van de patiënt. Bovendien bestaat er tot op heden geen test die de patiënten kan identificeren die uiteindelijk progressie vertonen en kanker zullen ontwikkelen. Het is duidelijk dat er een dringend nood is voor precieze en objectieve diagnostische methodes.

Het doel van dit project is om de diagnose en behandeling van mensen met voorloper laesies van slokdarmkanker te verbeteren door het integreren van histopathologische beeldanalyse met biomarkers en klinische parameters met behulp van AI. We willen een geautomatiseerde AI-gebaseerde expert-histopathologie classificator ontwikkelen die klinische besluitvorming ondersteunt. Verder willen we AI gebruiken om van een één-dimensionale analyse over te gaan naar een multi-parameter risico-stratificatie methode voor optimale behandeling van de patiënt.

In dit project zullen we state-of-the-art AI-gebaseerde algoritmen ontwikkelen om de ruimtelijk-temporele distributie van histologische en biomarker gegevens in één systeem te analyseren en te karakteriseren. Ruimtelijk verwijst hierbij naar lokale weefselkarakteristieken waargenomen in histopathologische beeldvormingsgegevens en het temporele aspect wordt aangepakt door patiënten in de tijd te volgen. De nog te ontwikkelen algoritmen zullen het mogelijk maken histopathologische beeldvormingsgegevens te relateren aan ziekteprogressie en nieuwe biomarkers te ontdekken die de klinische besluitvorming kunnen ondersteunen. Uiteindelijk zal dit leiden tot een beter gepersonaliseerd benadering en behandeling van patiënten, minder belasting voor gezondheidswerkers en het budget van het gezondheidssysteem, en een betere levenskwaliteit voor patiënten met Barrett's slokdarm.

Dit project is een samenwerking tussen de qurAI groep, het Computational Pathology Lab AUMC en het Amsterdam Machine Learning Lab (AMLab). Het wordt ondersteund door de Maag-Lever-Darm-Stichting en heeft een looptijd van 42 maanden.

Vragen over deze functie?
Tanja Hart Tanja Hart +31621603178 Recruitment adviseur
Wat ga je doen?

Als PhD-kandidaat zal je verantwoordelijk zijn voor het ontwikkelen en evalueren van het best mogelijke AI-systeem voor geautomatiseerde expert-diagnose van patiënten met voorloper afwijkingen van slokdarmkanker (oesophagus adenocarcinoom, EAC) en voor het identificeren van die patiënten die een hoog risico op progressie naar kanker hebben.

De uitdaging is tweeledig. Ten eerste zal je een AI-systeem ontwikkelen dat diagnostisch even goed presteert als expert pathologen. Dit systeem zal worden ontwikkeld en getraind met behulp van beoordelingen van een panel expert pathologen. Ten tweede is het de bedoeling de kwaliteit van de classificatie en de risicobeoordeling op een hoger plan te brengen dan wat momenteel mogelijk is op basis van onze huidige kennis van de ontwikkeling van ziekten. De weg om dit te bereiken is via de ontwikkeling van nieuwe AI-technieken voor de ontdekking en kwantificering van weefsel biomarkers; Door integratie van klinische en histologische tijdreeksen zal je ruimtelijke en temporele pathologische weefselsysteem handtekeningen ontwikkelen en longitudinale progressiemodellen trainen. Tenslotte zal je deze algoritmen valideren in onafhankelijke gevallen om de toepasbaarheid van de ontwikkelde AI-algoritmen in de klinische praktijk te verzekeren.

  • Je zal onderzoek doen naar AI-gebaseerde klinische besluitvorming, door nieuwe deep learning-oplossingen te ontwikkelen voor de detectie en progressievoorspelling van patiënten met voorloper afwijkingen van slokdarmkanker
  • Je zal jouw werk publiceren en presenteren in tijdschriften en op internationale conferenties;
  • Je maakt actief deel uit van de qurAI-, AMLab- en Computational pathology-groep en hun activiteiten
  • Je werkt mee aan onderwijsactiviteiten en begeleiding van bachelor- en masterstudenten.
Wat neem je mee?
  • Een masterdiploma (of gelijkwaardig) in kunstmatige intelligentie, computerwetenschappen, geneeskunde, wiskunde, ingenieurswetenschappen of een aanverwant onderwerp
  • Eerder aangetoonde interesse in kunstmatige intelligentie en medische data-analyse, in de vorm van cursuswerk, projecten en academische publicaties, en een affiniteit met medische onderwerpen
  • Uitstekende programmeervaardigheden, met name in Python en ML-gerelateerde bibliotheken
  • Hoge motivatie in het nastreven van academisch onderzoek in een multidisciplinaire setting van medische beeldvorming, Pathologie en AI.
  • Doelgericht, zelfstandig en proactief.
  • Goede beheersing van het Engels, zowel in woord als geschrift.
Wat bieden we jou?
  • Een vliegende start van jouw carrière in het onderzoekswerk.
  • Alle ruimte voor jouw drive om de zorg van morgen vorm te geven.
  • Werken aan grootschalig én eigen onderzoek, met gemotiveerde collega’s uit alle hoeken van de wereld.
  • Je krijgt een contract voor een jaar (12 maanden) met de intentie dit te verlengen nog eens 2,5 jaar (totale duur project is 3,5 jaar met evt. verlenging bij voldoende financiele middelen).
  • Naast een goed basissalaris krijg je onder andere 8,3% eindejaarsuitkering en 8% vakantietoeslag. Bereken hier jouw netto salaris.
  • Pensioenopbouw bij BeFrank, een modern, begrijpelijk en eerlijk geprijsd pensioen.
  • Uitstekende bereikbaarheid met het OV en vergoeding van een groot deel van je reiskosten. Daarnaast hebben we voldoende parkeerplaatsen voor de deur én een goede fietsregeling.

Waar ga je werken?

Je wordt ingebed in de qurAI groep, een interfacultaire, multidisciplinaire groep tussen het Instituut voor Informatica van de Universiteit van Amsterdam (Science Park) en de afdeling Biomedische Technologie en Fysica van het Amsterdam Universitair Medisch Centrum (AUMC). Je zult op beide locaties werken. Wij richten ons op de ontwikkeling, validatie en klinische integratie van AI-oplossingen voor data-analyse uitdagingen in de gezondheidszorg. De groep richt zich op het ontwerpen en mogelijk maken van maatschappelijk verantwoorde AI-innovaties in de gezondheidszorg.

Je werkt onder begeleiding van prof. Clarisa Sánchez van het qurAI, assistent prof. Erik Bekkers en zijn groep van het Amsterdam Machine Learning Lab (AMLab) en dr. Sybren Meijer van het Computational Pathology Lab AUMC. Er zijn wekelijke journal clubs en research meetings en vele mogelijkheden jezelf tot een zelfstandige onderzoeker te ontwikkelen. Verder is, omdat we klinisch relevante AI algoritmen willen ontwikkelen, de afdeling gastro-enterologie van het AUMC ook nauw betrokken.

https://qurai.amsterdam/

https://amlab.science.uva.nl/

http://barrettpathology.com/

Wat kun je verwachten?
Een baan in onze prachtige hoofdstad
Werken bij de meest favoriete werkgever in de zorg (intermediair 2021)
Alle collega's hebben hetzelfde doel: bijdragen aan de zorg voor morgen
Wij zorgen niet alleen voor onze patiënten, maar ook voor jou
Samenwerking kenmerkt zich door onderling vertrouwen en interesse voor elkaar
Er is ruimte voor ontplooiing, verdieping en verbreding van je kennis
Amsterdam UMC innoveert continu, je moet dus om kunnen gaan met verandering
We bestaan uit twee locaties, maar er rijdt een pendelbus die deze locaties met elkaar verbindt.
Een volle agenda, want onze personeelsvereniging organiseert veel leuke activiteiten
Het verhaal van Amsterdam UMC Bekijk de video’s en leer meer over onze organisatie
Amsterdam UMC
Tulp
Verpleegkundige visie
Laten we kennis maken

Voor vragen of meer informatie over deze vacature of onderzoek kunt u contact opnemen met:

Voor meer informatie over de sollicitatieprocedure kunt u contact opnemen met Tanja Hart, Adviseur Werving en Selectie, via T: 06-21603178 of E: t.hart@amsterdamumc.nl

Een referentiecheck, screening en aannametest kunnen onderdeel zijn van de procedure. Lees hier of dit ook voor jou geldt. 

Bij gelijke geschiktheid krijgen interne kandidaten voorrang boven externe kandidaten.

Acquisitie naar aanleiding van deze vacature wordt niet op prijs gesteld.