January 2023

Vacature student-assistent data-analyse Nederlands CP register (Dutch only)

Ben jij een student met interesse in ICT en data, en heb jij belangstelling voor de revalidatiezorg? Dan is dit je kans! Ter ondersteuning van het Nederlands CP register zijn we op zoek naar een Student-assistent data-analyse (8 uur per week)

Het Nederlands CP register is een innovatief landelijk register waarin gegevens van kinderen en jongeren met cerebrale parese (CP) verzameld worden. Het register bestaat uit een follow-up en behandelregister, waarin systematisch zorgdata en behandelresultaten worden geregistreerd. Het betreft data die in de reguliere zorg worden verzameld door artsen, zoals kinderrevalidatieartsen en kinderorthopeden, maar ook data die patiënten thuis digitaal invoeren. Deze data worden gebruikt voor directe beslisondersteuning in de spreekkamer, maar kunnen ook op geaggregeerd niveau gebruikt worden voor feedback naar de zorginstellingen en voor wetenschappelijk onderzoek. Meer informatie over het Nederlands CP register is terug te vinden op www.cpregister.nl.

Wat ga je doen?

Voor 8 uur in de week ondersteun je het registerteam van het Nederlands CP register bij het verwerken en analyseren van data die in de zorg verzameld zijn in het ICT platform. Een belangrijk onderdeel betreft het opstellen van rapportages naar revalidatiecentra en ziekenhuizen. Daarnaast werk je mee aan de trainingen voor gebruikers in lokale centra en help je gebruikers (zorgprofessionals) bij technische vragen. Tot slot assisteer je bij andere onderdelen, zoals het inrichten van het ICT platform (Gemstracker/LimeSurvey), het up-to-date houden van de website en het ontwikkelen van handleidingen.
Je bent werkzaam bij de afdeling Revalidatiegeneeskunde van het Amsterdam UMC, locatie VUmc. Je maakt deel uit van het registerteam, bestaande uit een projectleider, projectmanager, implementatiemedewerker en twee andere student-assistenten.
De uren zijn flexibel in te plannen en thuiswerken is (deels) mogelijk. Bij voorkeur ben je één dagdeel op dinsdag of woensdag aanwezig op locatie VUmc. In overleg is het ook mogelijk om deels in de avonduren en in het weekend te werken.

Wie ben jij?

Een enthousiaste (master)student Informatica, Klinische Technologie of een andere gerelateerde studie met belangstelling voor de revalidatiezorg. Je bent een secure werker, sociaal vaardig, flexibel, zelfstandig en ondernemend. Voor deze functie zijn we op zoek naar een student die affiniteit heeft met dataverwerking en programmeren. Je gaat aan de slag met de export van de ruwe data om analyses uit te voeren en rapportages naar de centra op te stellen. Hiervoor gebruiken wij de statistische programmeeromgeving R. Bij voorkeur zoeken we een student die hier ervaring mee heeft, of die aantoonbaar affiniteit heeft met het zich eigen maken van vergelijkbare software en analyses.

Wat bieden wij?

Wij bieden je een tijdelijke aanstelling voor 8 uur per week voor de periode van februari t/m 31 december 2023. Je bent bij voorkeur per direct beschikbaar (overleg over startdatum is mogelijk). Een commitment voor een periode van minimaal 10 maanden is nodig.
Je wordt ingedeeld in schaal 6, afhankelijk van je ervaring (CAO Academische ziekenhuizen).

Ben je geïnteresseerd en wil jij ons registerteam versterken?

Solliciteer dan door jouw motivatiebrief en cv vóór 12 februari te mailen naar Aukje Andringa (a.andringa@amsterdamumc.nl). We gaan graag met je in gesprek.

Voor meer informatie over de inhoud van de functie kun je contact opnemen met Aukje Andringa via 020-4443062 of via email: a.andringa@amsterdamumc.nl.

Post Doc/Assistant Professor – MyDigiTwin project 

The MyDigiTwin project is a scientific initiative to develop personalized risk prediction algorithms using data from multiple cohorts to create digital twins empowering people and enable democratisation of health knowledge and health data.

The project is a national collaboration among academic institutes and private partners, spanning over 20 partners. The multidisciplinary team involves members from the data science, life science, healthcare, social science / humanities, and the creative field.

There are three positions for this project, spanning from post-doc to assistant professor, depending on skill and experience.

For more info and to apply, please see here

 

September 2022

Research assistants wanted: Deep generative models for spatial reconstruction of single cell transcriptomics data

We are looking for two ambitious master students for two exciting, paid research assistant positions. The positions are for 1 day/week for 10 months, ideally to be combined with a master thesis research project. Project start: October

Project description

The spatial organization of cells underlies the function of many biological systems, including tumors. Emerging biotechnologies now allow for spatially resolved quantification of transcriptomes at single cell resolution [1], but are expensive and low-throughput. On the other hand, conventional single cell RNA-sequencing is now routinely applied to large sample cohorts, but does not retain spatial information. Recently, spectacular advances in generative models [2] has led to models such as ImaGen [3] and DALL-E [4], that can synthesize high-quality and high-fidelity images from text or metadata.

In this project, we will employ deep generative models to reconstruct the spatial structure of biological samples from single cell transcriptomic count data alone. To this end, we will formulate and train a deep generative model on spatial transcriptomics data, matched with single cell count data. The trained models will then be employed to synthesize “images” using count data only as input metadata, which will allow us to extract biologically meaningful spatial information (e.g. extent of immune infiltration in tumor) from the images.

This is a high-risk, high-gain project. If successful, it will allow for augmentation of single cell transcriptomics dataset with spatial features, adding great value to such datasets.

Requirements

●  Background in AI (programming in Python and PyTorch, the basics of mathematics and deep learning) or molecular biology.
●  Strong communication skills

Contact

To apply, send an email to Jakub Tomczak (j.m.tomczak@vu.nl)) and Evert Bosdriesz (e.bosdriesz@vu.nl) with a brief motivation and grade list.

References

  1. Moses L, Pachter L. Museum of spatial transcriptomics. Nat Methods. 2022;19: 534–546.
  2. Tomczak JM. Deep Generative Modeling. 2022. doi:10.1007/978-3-030-93158-2
  3. Saharia C, Chan W, Saxena S, Li L, Whang J, Denton E, et al. Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding. arXiv [cs.CV]. 2022. Available: http://arxiv.org/abs/2205.11487
  4. Ramesh A, Dhariwal P, Nichol A, Chu C, Chen M. Hierarchical Text-Conditional Image Generation with CLIP Latents. arXiv [cs.CV]. 2022. Available: http://arxiv.org/abs/2204.06125

MSc project: Investigating how human and algorithmic agents develop novel modes of intelligence

One of the areas where life-and-death decisions are increasingly made based on algorithmic technologies (e.g., deep-learning) is “medical diagnosis”. Every day, doctors who are used to working with their eyes and their traditional technologies, are confronted with new algorithmic technologies (such as wearable devices, AI-empowered diagnosis tools, and many algorithms that offer them insights into medical issues). The situation is at best like giving an advanced car to those who are used to riding bikes! You can imagine novel expertise and experiences emerge when these professional cyclists find themselves behind the driving panel of these rather autonomous, unknowable AI technologies. What happens to their expertise? How effectively can they use their medical expertise? How and under which conditions might they fall into certain ineffective ways of working such as automation bias, confirmation bias, ruling-out bias against the technology, and many new traps that we just do not know? 

In this research project, which is part of an ongoing research program at KIN center for digital innovation, we engage medical professionals in a range of experimental procedures, where they work with various forms of AI tools and under different working conditions. This way, we examine how they use and develop their expertise for medical diagnosis when working with these technologies. The results offer developers of these algorithms the chance to proactively learn about the (in)effective design choices and the (un)intended consequences of their technologies. It also helps professionals from medical and (partly) other domains of knowledge work learn how they can develop novel expertise of working with these technologies. Finally, we gain insights about how to assess, organize, and regulate these technologies in order to minimize their ineffective modes of operation. 

Are you interested in developing your research (thesis) in this domain? This would be an opportunity for those who are interested in advancing our knowledge of human-technology intelligence and expertise, by combining both technical and social aspects. If you are interested in knowing more about this research project, please send an email to Mohammad H. Rezazade Mehrizi (m.rezazademehrizi@vu.nl), School of Business & Economics, Knowledge, Information and Networks Research Group.

 

 

 

 

————————————-

Previous vacancies:

ASSOCIATE PROFESSOR IN AI & HEALTH

Deadline: 15th January, 2022

Do you want to contribute to the next generation of healthcare fueled by Artificial Intelligence? We then invite you to apply for the position of Associate professor for AI and Health, a joint position of the Computer Science Department of the VU and the Cancer Center Amsterdam of the Amsterdam UMC. Please find more information here.

PHD STUDENT IN MACHINE LEARNING

Deadline: 17th January, 2022

We are looking for a new PhD student who will do research in the area of Machine Learning (ML) and in particular on supervised learning and Reinforcement Learning (RL). The position is embedded in the Quantitative Data Analytics group.

We are interested in attracting a PhD student able to perform ground-breaking research in fundamental aspects of Machine Learning and Reinforcement Learning. The PhD student will apply these novel algorithms in the context of an EU funded project called ICARE4OLD focused on improving care for elderly by machine learning based recommendations on interventions. For more information and to apply, please see here.