1 day ago Be among the first 25 applicants
Job Information
* Entité organisationnelle: Faculté de médecine
* Section / Division: Section de médecine clinique
* Fonction: Post-doctorant-e - Fonds National
* Code fonction: PDOCFN
* Classe maximum: 14
* Corps: Assistant - maître assistant
* Taux d'activité: 100%
* Lieu de travail: Campus Biotech
* Délai d'inscription: 31-12-2025
* Référence: 6643
* Pièces jointes: 0123_Cahier_des_charges_Post-doctorant-e_CTRAI2.pdf (PDF, 333,8kb)
Description en français
La Faculté de médecine de l'Université de Genève bénéficie d'un environnement multiculturel riche, auquel elle contribue activement à travers l'enseignement, la recherche, et son partenariat avec les Hôpitaux Universitaires de Genève (HUG).
Le Département de radiologie et d'informatique médicale recherche un-e :
Post-doctorant-e
Sous la supervision du Prof. Douglas Teodoro (Science des données/IA) et de la Prof. Caroline Samer, MD (Pharmacologie clinique et toxicologie), le/la candidat-e sélectionné-e développera des recherches au sein du groupe Data Science for Digital Health (DS4DH) dans le cadre du projet financé par le FNS : AI-based Risk Assessment for Clinical Trials on Medicinal Products: A Large-Scale and Integrative Approach.
L'objectif Principal De La Recherche Est De Faire Progresser Le Domaine Des Essais Cliniques Numériques En Concevant, Mettant En Œuvre Et Validant Une Approche Complète Et Intégrée Basée Sur L'IA Pour L'évaluation Des Risques Des Essais Cliniques. Cela Implique :
* Diriger le développement de modèles d'apprentissage profond robustes et évolutifs (réseaux neuronaux de graphes et modèles de langage basés sur les Transformers) pour la prédiction multi-tâches des risques de sécurité, d'efficacité et opérationnels.
* Intégrer diverses modalités de données (structure moléculaire, texte libre, données hiérarchiques) afin de construire un ensemble de données de référence ouvert unique, et démontrer la capacité à généraliser des modèles.
* Conduire l'évaluation prospective des modèles sur des essais cliniques en cours et coordonner la comparaison méthodologique entre le système d'IA et les simulations pharmacocinétiques basées sur la physiologie (PBPK) pour la prédiction des interactions médicamenteuses.
Le poste peut également impliquer la supervision d'étudiants et la présentation de séminaires spécialisés.
Titres et compétences exigées
* Des connaissances expertes et une expérience pratique des méthodologies modernes d'apprentissage profond, y compris la conception, l'entraînement et l'évaluation de modèles pour des ensembles de données de santé complexes et avec des déséquilibres de classes.
* Une maîtrise démontrée du traitement du langage naturel (NLP), des modèles de langage (LM) et/ou des réseaux neuronaux de graphes (GNN) pour l'analyse des protocoles d'essais cliniques et des données textuelles riches dans le domaine de la santé.
* Un solide dossier de publications pertinentes démontrant la capacité à mener et à diffuser des recherches à fort impact.
* Des excellentes compétences en programmation et en génie logiciel pour développer et déployer des modèles d'apprentissage automatique open-source et évolutifs.
* De l’expérience en biostatistique, en analyse de données cliniques et/ou en toxicologie computationnelle, en particulier concernant la modélisation pharmacocinétique (PBPK) ou des techniques similaires de simulation de médicaments, constitue un avantage significatif.
Fortement motivé-e à générer des connaissances exploitables afin d’optimiser la conception des essais cliniques et d’accélérer le développement de médicaments.
Entrée en fonction
01.04.2026
Contact et candidature
Si vous correspondez à la description ci-dessus, nous serions ravis de recevoir votre candidature (CV, certificats, diplômes), qui doit être soumise exclusivement en ligne en cliquant sur le bouton ci-dessous « Postuler/Apply now ».
Pour des renseignements complémentaires, vous pouvez contacter le Prof. Douglas Teodoro.
Informations complémentaires
Contrat de droit privé d'une durée de 12 mois, renouvelable.
EEO Statement
Dans une perspective de parité, l'Université encourage les candidatures du sexe sous-représenté.
Description in English
The Faculty of medicine at the University of Geneva benefits from a rich multicultural environment, to which it actively contributes through its teaching, research, and partnership with the University Hospitals of Geneva (HUG).
The Department of radiology and medical informatics is looking for a:
Post-doctoral researcher
Under the supervision of Prof. Douglas Teodoro (AI/Data Science) and Prof. Caroline Samer, MD (Clinical Pharmacology and Toxicology), the research will be conducted within the Data Science for Digital Health (DS4DH) group in the context of the SNSF-funded project: AI-based Risk Assessment for Clinical Trials on Medicinal Products: A Large-Scale and Integrative Approach.
The Core Research Goal Is To Advance The Field Of Digital Trials By Designing, Implementing, And Validating a Comprehensive, Integrated AI-based Approach To Clinical Trial Risk Assessment. This Involves:
* Leading the development of robust, scalable multi-model/multi-agent deep learning architecture (graph neural networks and transformer-based language models) to perform multi-task prediction of safety, efficacy, and operational risks.
* Integrating diverse data modalities (molecular structure, free text, hierarchical data) to build a unique open benchmark dataset and demonstrate the generalizability of the models.
* Driving prospective evaluation of the models on ongoing trials and coordinating the methodological comparison between the AI framework and Physiologically-Based Pharmacokinetic (PBPK) simulations for drug-drug interaction prediction.
The position may also involve supervising students and offering specialized seminars.
Required Skills
* Expert knowledge and practical experience in modern deep learning methodologies, including model design, training, and evaluation for complex, imbalanced health datasets.
* Demonstrated proficiency with Natural Language Processing (NLP), Language Models (LMs), and/or Graph Neural Networks (GNNs) relevant to analyzing clinical trial protocols and rich textual health data.
* A strong, relevant publication record demonstrating the ability to conduct and disseminate high-impact research.
* Excellent programming and software engineering skills for developing and deploying open-source, scalable machine learning models.
* Experience in biostatistics, clinical data analysis, and/or computational toxicology, particularly with Physiologically-Based Pharmacokinetic (PBPK) modeling or similar drug simulation techniques, is a significant advantage.
* Highly motivated to achieve actionable insights that optimize clinical trial design and accelerate drug development.
Starting Date:
01.04.2026
Complementary information:
12 month renewable private law contract.
If you fit the above description, we would be pleased to receive your application (CV, certificates, diplomas), which should be submitted exclusively online by clicking on the button below "Apply/Apply now".
For further information, you can contact Prof. Douglas Teodoro.
#J-18808-Ljbffr