Medische beeldvorming speelt een essentiële rol bij het detecteren, diagnosticeren en de nazorg van ziekten. De toegankelijkheid van medische beeldvorming wordt echter bemoeilijkt door de hoge kosten van beeldvormende apparaten, de beschikbaarheid van hoogopgeleid personeel om deze apparaten te bedienen en de beschikbaarheid van experts om de resulterende beelden te analyseren en interpreteren.

Ons nieuwe publiek-private multi-institutionele en multidisciplinaire consortium, "AI4AI: Artificial Intelligence for Accessible Medical Imaging", gefinancierd door de NWO, heeft als doel deze knelpunten aan te pakken. AI4AI wil dit doen door kunstmatige intelligentietechnologieën te ontwikkelen om het gebruik van betaalbaardere apparaten, bediening door niet-gespecialiseerd personeel en geautomatiseerde beeldinterpretatie mogelijk te maken.

We zijn op zoek naar drie zeer gemotiveerde en getalenteerde PhD-kandidaten of postdocs die zich ieder richten op één van de volgende toepassingen:

1. Identificatie van patiënten met een risico op coronaire hartziekte: CT is de primaire modaliteit voor de detectie van coronaire hartziekte bij patiënten met stabiele pijn op de borst. Huidige CT-beeldvormingsprocedures zijn echter complex en vereisen aanzienlijke tijd van experts in beeldverwerking en -interpretatie. Dit belemmert het gebruik van cardiale CT-beeldvorming buiten ziekenhuizen of in omgevingen met beperkte middelen waar CT-scanners uit het middensegment worden gebruikt. Deze scanners genereren doorgaans beelden van suboptimale kwaliteit, waardoor automatische interpretatie een uitdaging is. De onderzoeker zal op AI gebaseerde algoritmen ontwikkelen om patiënt specifieke beeldverwerkingsparameters te voorspellen voor optimale beeldkwaliteit en algoritmen om autonoom markers van coronaire hartziekte te kwantificeren. Het doel is om de toepasbaarheid van betaalbare scanners uit te breiden en de behoefte aan gespecialiseerde deskundige analyse te verminderen.
2. Niet-invasieve identificatie van patiënten die invasieve coronaire hartziektebehandeling nodig hebben: De ontwikkeling van op AI gebaseerde beeldanalysemethoden om patiënten te identificeren die invasieve coronaire hartziektebehandeling nodig hebben met behulp van niet-invasieve coronaire CT is een actief onderzoeksgebied. Deze methoden hebben echter last van suboptimale beeldkwaliteit en heterogeniteit in de beeldgegevens. Om de toepasbaarheid van AI-gebaseerde analyse uit te breiden, zal de onderzoeker methoden ontwikkelen die robuust zijn tegen uitschieters en artefacten en die identificatie mogelijk maken van patiënten die invasieve behandeling nodig hebben bij huisartsen, poliklinieken of ziekenhuizen met toegang tot CT. Om autonome inzet van de ontwikkelde methoden mogelijk te maken, zal speciale aandacht worden besteed aan de ontwikkeling van interpreteerbare op AI-gebaseerde analyses.
3. Identificatie van foetale groeiafwijkingen: Het fundament van prenatale zorg is het monitoren van foetale groei. Voornamelijk is foetale groeivertraging een belangrijke oorzaak van perinatale morbiditeit en mortaliteit, daarom hebben foetussen met groeivertraging baat bij een bevalling vóór het begin van foetale hypoxie. Tijdige identificatie van foetussen die zijn getroffen door groeivertraging heeft dus het potentieel om morbiditeit en mortaliteit te verminderen, vooral in landen met lage en middeninkomens. Het verkrijgen van nauwkeurige en complexe metingen voor betrouwbare detectie van foetale groeivertraging vereist een hoog niveau van expertise, waardoor de analyse beperkt blijft tot gespecialiseerde centra. Om hoogwaardige zorg mogelijk te maken, dichter bij de woonplaats van de patiënt en op de gebieden waar zeer gespecialiseerde expertise schaars is, zal de onderzoeker autonome op AI-gebaseerde systemen ontwikkelen die de acquisitie en interpretatie van foetale echografie ondersteunen.

• Je hebt een MSc-diploma in biomedische technologie, kunstmatige intelligentie, computerwetenschappen, beeldwetenschappen of een vergelijkbare opleiding, met een sterke interesse in medische beeldverwerking en -analyse (voor de PhD-positie).
• Of je hebt een PhD-diploma in medische beeldvorming en -analyse (voor de postdoc-positie).
• Je hebt een goede wetenschappelijke achtergrond.
• Je bent zeer gemotiveerd en kunt goed zelfstandig werken, maar ook in een interdisciplinair team van artsen en ingenieurs.
• Je hebt programmeerervaring, bij voorkeur in Python. Dit is vereist.