PhD-kandidaat Medical Informatics

Innoveer op het snijvlak van AI, data science en gezondheidszorg met vooruitstrevend onderzoek naar de extractie van klinische informatie en AI ondersteunde klinische redenering door LLMs, in een toonaangevende internationale onderzoeksomgeving.

PhD-kandidaat Medical Informatics

Functie inhoud

De afdeling Medical Informatics van het Erasmus MC nodigt kandidaten uit te solliciteren voor een PhD‑positie op het snijvlak van health AI en data science. Sluit je aan bij ons innovatieve, multidisciplinaire team met internationale samenwerkingen, waaronder het OHDSI‑initiatief (Observational Health Data Sciences and Informatics), een wereldwijd consortium dat gezondheidsdata inzet voor grootschalige analyses, en het TeamPerMed‑project, een gezamenlijk initiatief met de University of Tartu ter bevordering van gepersonaliseerde geneeskunde en de transformatie van de zorg.

Als PhD‑kandidaat doe je onderzoek op het snijvlak van clinical data science en artificial intelligence, met nadruk op het extraheren van gestructureerde informatie uit klinische teksten, het semantisch identificeren van hoogrisicopatiënten en het ontwikkelen en evalueren van geïnformeerde artificial clinical reasoning‑systemen.

Je onderzoek richt zich op:

• Het ontwikkelen en evalueren van methoden voor temporele en longitudinale redenering, gericht op de geautomatiseerde validatie en abstractie van klinische data.
• Het onderzoeken van schaalbare, LLM‑gedreven pipelines voor robuuste, geautomatiseerde extractie van klinische concepten uit tekst in grote electronische patienten dossier‑databases.
• Het combineren van klinische kennis (ontologieën en richtlijnen) met data‑gedreven bewijs in LLM‑gebaseerde oplossingen om nauwkeurigere, robuustere en beter verklaarbare AI‑ondersteunde klinische besluitvorming mogelijk te maken.

Tijdens dit werk ga je cruciale uitdagingen aan in grootschalige, gefedereerde observationele studies en draag je bij aan het verbeteren van automatische interpretatie en analysemethoden voor klinische data binnen health data science.