Doktorand:in (all genders) - Digital Cardiovascular Research in der Klinik für Kardiologie am U[...]

Am Universitären Herz- und Gefäßzentrum (UHZ) des Universitätsklinikums Hamburg-Eppendorf (UKE) denken wir klinische und translationale kardiovaskuläre Forschung direkt integriert in unsere tägliche Patient:innenversorgung. Unser Ökosystem verbindet umfassend phänotypisierte Kohortenstudien einschließlich Biobanking, strukturierte Nachuntersuchungen und moderne computergestützte Methoden. Das neu eingerichtete Forschungsprojekt befasst sich mit dem Thema „Risikostratifizierung für Vorhofflimmern und Herzschwäche bei Menschen mit seltenen Kardiomyopathie-Genvarianten mithilfe neuer Methoden“. Das Projekt zielt darauf ab, großskalige epidemiologische Daten, Cloud-Infrastrukturen und maschinelles Lernen miteinander zu verknüpfen, um prädiktive Modelle für Hochrisikopatienten zu entwickeln.

Ihre Aufgaben:

• Sie konzipieren, implementieren und validieren Machine‑Learning‑Algorithmen zur fortgeschrittenen automatisierten Analyse multimodaler kardiovaskulärer Daten.
• Ihr Fokus liegt auf dem Training von tiefen faltungsbasierten neuronalen Netzwerken auf 12‑Kanäle‑EGK‑Wellenformen zur Erkennung subklinischer elektrophysiologischer Signaturen sowie zur Generierung von „AF‑Risk Scores“ und „HF‑Risk Scores“.
• Parallel entwickeln und validieren Sie Deep‑Learning‑basierte semantische Segmentierungsmodelle zur computergestützten Extraktion struktureller Endophänotypen aus CINE‑MRT‑Sequenzen der UK Biobank.
• Sie nutzen Techniken der Erklärbaren Künstlichen Intelligenz, um die zugrundeliegenden Muster der EKG‑AL‑Modelle visuell zu interpretieren und für klinische Partner aufzubereiten.
• Sie führen genomweite Assoziationsstudien sowie genbasierte Burden‑Analysen seltener Kodierungsvarianten (unter Nutzung von REGENIE) für die extrahierten elektrophysiologischen (EKG) und strukturellen (MRT) Marker durch.
• Sie arbeiten eng mit den Datenmanager:innen und klinischen Forscher:innen des Teams zusammen und bereiten Ihre wissenschaftlichen Ergebnisse für Publikationen in hochrangigen Fachzeitschriften vor.

Es handelt sich um eine Teilzeitstelle (65 % der regulären Wochenarbeitszeit) mit befristeter Laufzeit von zunächst drei Jahren gemäß dem WissZeitVG. Eine Verlängerung wird angestrebt.

Das bieten wir:

• Faire und transparente Vergütung nach unserem Tarifvertrag TVöD/VKA (63.600 € – 91.100 €) unter Berücksichtigung von Qualifikationen und Berufserfahrung.
• Gezielte und individuelle Weiterentwicklung auf Fach- und Projektebene ist gegeben, so bieten wir eine langfristige Perspektive in einem sinnstiftenden Umfeld.
• Umfangreiche Fort‑ und Weiterbildungsprogramme an unserer UKE‑Akademie für Bildung und Karriere.
• Möglichkeiten zur Mitgestaltung unserer Personalpolitik „UKE INside“ in berufsgruppen- und hierarchieübergreifenden Projekten.
• Nachhaltig unterwegs: Zuschüsse zum Deutschlandticket als Jobticket und Dr. Bike Fahrradservice.
• Ausgezeichnete Gesundheits‑, Präventions‑ und Sportangebote.
• Familienfreundliches Arbeitsumfeld: Kooperation zur Kinderbetreuung, kostenlose Ferienbetreuung, Beratung für Beschäftigte mit pflegebedürftigen Angehörigen.
• Krisensicherer Arbeitsplatz, sinnstiftende Tätigkeit, wertschätzendes Miteinander.
• Strukturierte Einarbeitung und offener Wissensaustausch im Team.
• Unser Mitarbeitenden Restaurant bietet eine reiche Auswahl an kulinarischen Angeboten; weitere Angebote gibt es in den „Health Kitchen“ Cafés und Bistros und in einem Supermarkt direkt auf dem Gelände.

Darauf freuen wir uns:

• Hervorragender Masterabschluss oder gleichwertiger Abschluss in Data Science, (Bio)Informatik, (Bio)Statistik, Computational Biology oder einem eng verwandten quantitativen Fachgebiet.
• Technische Kompetenz in Data Science und Data Engineering, nachgewiesen durch eine erste GitHub‑Präsenz, akademische Arbeiten oder ein vergleichbares Projektportfolio.
• Sicherer Umgang mit PyTorch sowie praktische Erfahrung in der Verarbeitung von 1D‑Zeitserien/Biosignalen (Wellenformen) oder 2D‑Bilddaten.
• Fundierte Programmierkenntnisse in den für die Datenanalyse relevanten Sprachen, insbesondere Python und/oder R.
• Echte Neugierde für die klinische kardiovaskuläre Medizin, hohe intrinsische Motivation, ergebnisorientiertes Arbeiten sowie ausgeprägte Fähigkeiten im Selbstmanagement.
• Intrinsischer Wunsch, die Translation wissenschaftlicher Ergebnisse in die Patientenversorgung zu treiben und Ihre Promotion erfolgreich im gesetzten Zeitrahmen abzuschließen.
• Hervorragende Kommunikationsfähigkeiten in Deutsch und Englisch; die Fähigkeit, als effektive Schnittstelle zwischen technischen und klinischen Partnern zu agieren.

Wünschenswert:

• Vorkenntnisse im Bereich der Biosignalverarbeitung (z. B. digitale EKG‑Analyse, Waveform‑Processing) und/oder der medizinischen Bildverarbeitung (z. B. U‑Net‑basierte Segmentierung).
• Erste Berührungspunkte mit der statistischen Genetik (z. B. Qualitätskontrolle von GWAS‑Daten) oder Cloud‑Computing‑Strukturen (z. B. DNAnexus).

Bitte bewerben Sie sich mit Ihrem Lebenslauf, einem Motivationsschreiben, in dem Sie Ihre Forschungsinteressen im Projekt sowohl aus technischer (Deep Learning, EKG‑Biosignalverarbeitung, Bildsegmentierung) als auch aus klinischer Perspektive darlegen, Referenzprojekten, die Ihre fachliche Kompetenz belegen, sowie einer Beschreibung Ihres eigenen Beitrags zu diesen Projekten, und den Kontaktdaten von vorzugsweise drei Forschern, die sich bereit erklärt haben, Referenzschreiben zu verfassen.

Über uns:

Wir leben Diversität und schätzen Vielfalt. Wir bieten ein Arbeitsumfeld, das unabhängig von Alter, Geschlecht, sexueller Identität, Behinderung, ethnischer und sozialer Herkunft oder Religion gleiche Chancen ermöglicht. Dieses bestätigen wir mit dem Beitritt zur Charta der Vielfalt. Wir streben ausdrücklich eine Erhöhung des Anteils von Frauen in Führungspositionen an, insbesondere beim wissenschaftlichen Personal in Forschung und Lehre. Gleiches gilt im Falle einer Unterrepräsentation eines Geschlechts im ausschreibenden Bereich. Personen mit Schwerbehinderung werden bei gleicher Eignung, Befähigung und fachlicher Leistung vorrangig berücksichtigt.