PhD Student for Machine Learning in Oncology
Kennziffer: 2025-0183
- Frankfurt
- Full-time
- DKTK partner site Frankfurt/Mainz - Machine Learning/Bioinformatics in Oncology
„Forschen für ein Leben ohne Krebs“ – das ist unsere Aufgabe am Deutschen Krebsforschungszentrum. Wir erforschen, wie Krebs entsteht, erfassen Krebsrisikofaktoren und suchen nach neuen Strategien, die verhindern, dass Menschen an Krebs erkranken. Wir entwickeln neue Methoden, mit denen Tumore präziser diagnostiziert und Krebspatient:innen erfolgreicher behandelt werden können. Jeder Beitrag zählt – ob in der Forschung, in der Administration oder der Infrastruktur. Das macht unsere tägliche Arbeit so bedeutungsvoll und spannend.
Together with university partners at seven renowned partner sites, we have established the German Cancer Consortium (DKTK).
For the Research Group "Machine Learning in Oncology” (headed by Prof. Dr. Florian Buettner) at the DKTK partner site Frankfurt/Mainz and the Goethe University Frankfurt, we are seeking for the next possible date a
The Buettner lab (https://mlo-lab.github.io) works on the intersection of machine learning and oncology. This position is part of the prestigious ERC Consolidator Grant "TAIPO - Trustworthy AI in Personalized Oncology". You will focus on developing robust and reliable models for therapy decisions and outcomes, with an extended focus on causal inference methods.
Ihre Aufgaben:
Your research will include:
- Developing causal machine learning methods for reliable survival modeling in cancer patients, particularly for AML (Acute Myeloid Leukemia)
- Building trustworthy recommender systems for therapy decisions based on electronic health records (EHR), incorporating causal reasoning and uncertainty quantification
- Creating uncertainty-aware models that can reliably communicate when predictions may be unreliable
- Collaborating with experimental and clinical partners from Heidelberg, and the DKTK network
Key research areas:
- Trustworthy survival analysis and time-to-event modeling
- Causal inference from observational health data
- Uncertainty quantification in causal models
- Integration of multi-modal data (genomics, proteomics, EHR) for time-to-event modeling
Ihr Profil:
We are looking for a candidate with a background in computer science, statistics, bioinformatics or a related field (e.g. master’s degree in mathematics, physics, computer/data science, computational biology or a related field).
An excellent knowledge of machine learning methods and statistics is essential, as is an interest in biomedical applications and cancer research; familiarity with probabilistic modeling and uncertainty quantification is highly desirable. Very good knowledge of Python-based deep learning frameworks (PyTorch and/or TensorFlow) and best practices in software development as well as experience with Linux environments are required.
Experience with bioinformatics algorithms and biomedical AI applications is a plus.
The candidate will closely interact with other researchers and clinicians, therefore good English communication skills are also required.
To apply, please submit a single PDF file containing a cover letter, curriculum vitae, copies of relevant degree certificates with transcripts of records and contact details for at least two references.
Unser Angebot:
- Hervorragende Rahmenbedingungen: modernste state-of-the-art Infrastruktur und Möglichkeit zum internationalen Austausch auf Spitzenniveau
- Zugang zu internationalen Forschungs-Netzwerken
- Doktorandengehalt mit den üblichen Sozialleistungen
- 30 Tage Urlaub
- Flexible Arbeitszeiten
- Möglichkeit zur mobilen Arbeit und Teilzeitarbeit
- Familienfreundliches Arbeitsumfeld
- Nachhaltig zur Arbeit: Vergünstigtes Deutschland-Jobticket
- Entfalten Sie Ihr volles Potenzial: gezieltes Training und Mentoring durch das DKFZ International PhD Program und den DKFZ Career Service
- Unser betriebliches Gesundheitsmanagement bietet ein ganzheitliches Angebot für Ihr Wohlbefinden
Sie sind interessiert?
Prof. Dr. Florian Buettner
Telefon: +49 173 4613687
Bewerbungen per E-Mail können leider nicht angenommen werden.
Bitte beachten Sie auch, dass wir per Post eingereichte Bewerbungen nicht zurückschicken können.
