Datenwissenschaftler:in für medizinische Bildgebung für die Augenklinik 80%

per 15.09.2026 oder nach Vereinbarung

USZ Campus

Die Abteilung für Augenheilkunde am Universitätsspital Zürich leistet einen aktiven Beitrag zum Fight Retinal Blindness! (FRB!), einer internationalen, von Klinikern geleiteten Initiative, die reale Langzeitdaten zu Netzhauterkrankungen sammelt.
Netzhauterkrankungen wie AMD und DME sind weltweit eine der Hauptursachen für Sehbehinderungen. Mit der zunehmenden Verfügbarkeit von longitudinalen ophthalmologischen Bildgebungsverfahren, insbesondere der optischen Kohärenztomographie (OCT), und detaillierten klinischen Aufzeichnungen gibt es immer mehr Möglichkeiten, KI zur Unterstützung und Optimierung personalisierter Behandlungsentscheidungen einzusetzen.
Trotz rascher Fortschritte in der medizinischen KI beschränken sich reale klinische Entscheidungsunterstützungssysteme für Netzhauterkrankungen nur auf unimodale und/oder statische Vorhersagen und sind durch Herausforderungen wie Datenheterogenität, zeitliche Variabilität und die Integration multimodaler Eingaben (z. B. Bildgebungs- und klinische Daten) eingeschränkt. Grundlagenmodelle (grosse vortrainierte Modelle für visuelle und tabellarische Eingaben) stellen einen vielversprechenden Ansatz für eine robuste Merkmalsextraktion und multimodales Lernen in diesem Bereich dar.
Dieses Projekt zielt darauf ab, diese Einschränkungen durch die Entwicklung und Bewertung multimodaler, longitudinaler KI-Modelle zu überwinden, wobei Grundlagenmodelle für OCT-Bildgebung und klinische Zeitreihendaten genutzt werden.

Ihre Aufgaben

Sie werden an der Entwicklung von KI-Modellen zur Analyse longitudinaler OCT-B-Scans mitwirken und verschiedene Teile davon testen.

Zu den wichtigsten Zielen gehören:

Integration und Vorverarbeitung multimodaler Längsschnittdaten
Feinabstimmung von OCT-Grundmodellen für die Modellierung des Krankheitsverlaufs
Entwurf multimodaler Fusionsstrategien (Bild + klinische Daten)

Ihr Profil

Erforderlich:

Master-Abschluss in Datenwissenschaft, biomedizinischer Bildanalyse oder einem verwandten Fachgebiet
Sehr fundierte Kenntnisse im Bereich KI für medizinische Bildgebung (Pytorch)
Erfahrung mit Längsschnitt-/Zeitreihenmodellierung
Fundierte Kenntnisse von Transformer-Architekturen, insbesondere Vision Transformers (ViT) und aufmerksamkeitsbasierte multimodale Modelle
Gute Kommunikationsfähigkeiten in einfacher Sprache
Englischkenntnisse
Starkes Interesse am medizinischen und klinischen Bereich
Motivation, Krankheitsmechanismen und klinische Arbeitsabläufe zu verstehen
Bereitschaft zur engen Zusammenarbeit mit Kliniken

Wünschenswert:

Vertrautheit mit multimodalen Fundamentmodellen
Deutschkenntnisse sind von Vorteil

Soft Skills:

Ausgeprägte organisatorische Fähigkeiten und Fähigkeiten zur Nachverfolgung von Experimenten
Motivation zum Lesen und kritischen Bewerten wissenschaftlicher Literatur

Was wir bieten

Ein internationales multidisziplinäres Team, bestehend aus Augenärzt:innen mit fundierter klinischer Expertise, Statistiker:innen, Datenwissenschaftler:innen und KI-Forscher:innen
Regelmässige Betreuung und technische Anleitung
Einblick in aktuelle Forschungsfragen an der Schnittstelle von KI und Augenheilkunde
Möglichkeit, zu veröffentlichungsfähigen Forschungsergebnissen und zukünftigen klinischen Tools beizutragen

Ihre Bewerbung und weitere Auskünfte

Bitte senden Sie uns Ihren Lebenslauf (CV) mit Hervorhebung relevanter Erfahrungen und ein Motivationsschreiben per Bewerbungstool zu.

Für weitere Fragen zur Stelle steht Ihnen Camille Delgrange, Wissenschaftliche Mitarbeiterin, gerne per Mail zur Verfügung.

Mail

camille.delgrange@uzh.ch

Wir freuen uns auf Ihre Bewerbung

Stephanie Indlekofer
Recruiting

Xing Profil

Linkedin Profil

Für diese Stelle können keine Dossiers von Personalvermittlern berücksichtigt werden. Danke für Ihr Verständnis.

Unsere Benefits

Weitere Vorteile

Details

Über das USZ

Das Universitätsspital Zürich ist eines der grössten Spitäler in der Schweiz. Unsere über 8'600 Mitarbeitenden und rund 700 Auszubildende setzen sich täglich für das Wohl unserer Patient:innen ein.