Promovendus - Medische beeldanalyse en AI in hemostase onderzoek

Wil jij kunstmatige intelligentie inzetten om medisch onderzoek en diagnostiek naar een hoger niveau te tillen? Binnen een innovatief onderzoeksproject aan de Universiteit Maastricht ontwikkel je AI-oplossingen die de analyse van microscopische beelden automatiseren en bijdragen aan de diagnostiek van bloedings- en stollingsstoornissen. Je werkt op het snijvlak van biomedische wetenschap, data science en klinische toepassingen.

• Ons doel: het ontwikkelen van een geautomatiseerde, high-throughput analyse van flowkamerbeelden met behulp van kunstmatige intelligentie. Hiermee willen we de analyse van trombusvorming versnellen, standaardiseren en verder verbeteren voor zowel wetenschappelijk onderzoek als toekomstige klinische toepassingen.
• Jouw collega’s: je wordt onderdeel van de afdeling Biochemie van de Faculty of Health, Medicine and Life Sciences (FHML), het Cardiovascular Research Institute Maastricht (CARIM) en werkt nauw samen met het Centraal Diagnostisch Laboratorium (CDL) van het Maastricht UMC+. Je maakt deel uit van een multidisciplinair team bestaande uit onderzoekers, analisten, klinisch chemici, hematologen, data scientists en ICT-specialisten.

Je vervult een centrale rol in de ontwikkeling van AI-methoden voor de automatische analyse van beelden afkomstig uit de Maastricht Flowkamer. Dit vormt de kern van je onderzoek. De Maastricht Flowkamer is een technologie waarmee trombusvorming onder (patho) fysiologische stromingssnelheden in real-time wordt gevisualiseerd en vervolgens geanalyseerd. Benieuwd hoe deze techniek werkt? Bekijk de korte video “Let it flow: what flowing blood is telling us about blood clotting”:  .

Daarnaast pas je vergelijkbare AI- en datagedreven benaderingen ook toe op andere biomedische datasets, en draagt zo bij aan een breder onderzoeksprogramma dat methodologische ontwikkeling, medicatiestudies en klinische vertaling omvat, evenals aan voortgangsrapportages en wetenschappelijke publicaties.

• Je analyseert de huidige (semi-)geautomatiseerde beeld- en data-analyse van de Maastricht Flowkamer en identificeert mogelijkheden voor verbetering.
• Je ontwikkelt AI-modellen voor de automatische segmentatie, kwantificatie en classificatie van flowkamerbeelden, met deep learning- en self-supervised technieken die ook ongelabelde data benutten.
• Je automatiseert de verwerking en analyse van grote datasets afkomstig uit flowkamerexperimenten
• Je valideert de ontwikkelde AI-modellen en vertaalt deze naar een robuuste high-throughput analysemethode, die aansluit bij klinische vraagstukken binnen de hematologie, zoals de diagnostiek van onbegrepen bloedings- en stollingsafwijkingen.
• Afhankelijk van de voortgang van het project pas je vergelijkbare data science- en AI-methoden toe op andere complexe laboratoriumdatasets op gebied van hemostase en trombose.
• Je werkt nauw samen met laboratoriumonderzoekers, clinici en data scientists om AI-oplossingen optimaal aan te laten sluiten bij klinische en wetenschappelijke vragen.
• Je presenteert onderzoeksresultaten op (inter) nationale congressen en publiceert in internationale wetenschappelijke tijdschriften.

Bij de Universiteit Maastricht geloven we dat talent zich op verschillende manieren ontwikkelt. We zoeken een nieuwsgierige onderzoeker met een sterke affiniteit voor AI, medische (beeld) analyse en data science, die graag bruggen slaat tussen computationele methoden en klinische toepassingen. Herken jij jezelf hierin?

• Je hebt een afgeronde masteropleiding, bij voorkeur in een biomedisch-technologische, (bio) medische of een aanverwante richting, zoals geneeskunde, systeembiologie, klinische gezondheidswetenschappen, (clinical) data science of bio-informatica.
• Je hebt aantoonbare ervaring met data-analyse en programmeren (bijvoorbeeld Python of R), bijvoorbeeld via projecten, stages of werkervaring waarin je datasets hebt geanalyseerd. Ervaring met machine learning of deep learning (bijv. met scikit-learn, Tensor Flow of PyTorch) en/of (medische) beeldanalyse (zoals segmentatie of classificatie) is een sterke pré.
• Je hebt interesse in hemostase, trombose en laboratoriumgeneeskunde, en begrijpt dat succesvolle AI-oplossingen beginnen met een goed begrip van het onderliggende klinische probleem. Eerdere ervaring op deze gebieden is niet vereist, maar je dient gemotiveerd te zijn om de benodigde biologische en klinische kennis te ontwikkelen.
• Je beschikt over uitstekende communicatieve vaardigheden in het Engels, mondeling én schriftelijk. Beheersing van het Nederlands is een sterke pré.
• Je bent zelfstandig, nieuwsgierig en proactief en werkt graag samen binnen een multidisciplinair team van onderzoekers, klinisch chemici, medisch specialisten, ICT-professionals en andere zorgprofessionals.

Deze functie betreft in de basis een promotieplaats. Tegelijkertijd staan wij open voor sterke kandidaten met een relevante AI-/data science-achtergrond die niet per se een…