Ledig tjänst

Institutionen för hälsa är en av sex institutioner inom Fakulteten för teknikvetenskaper. Vår utbildning och forskning förenar teknisk innovation och tillämpad vetenskap för att främja människors välbefinnande och livskvalitet i en digitaliserad värld.

Tillämpad hälsoteknik vid BTH är ett transdisciplinärt forskningsområde som undersöker hur teknik kan stödja hälsa och hållbarhet genom digitalisering, datadrivna system och intelligenta beslutsstöd.

Om tjänsten

Denna doktorandtjänst är knuten till https://elliit.se/project/new-machine-learning-methods-for-high-dimensional-population-scale-proteomics/, som genomförs i samarbete med Lunds universitet. Projektet syftar till att utveckla och tillämpa avancerade AI-metoder för att utvinna meningsfull kunskap ur storskaliga, heterogena och högdimensionella biomedicinska data och populationsdata, ofta benämnda Big Data inom hälso- och livsvetenskaperna. Målet är att bidra till nästa generations beslutsstöd och precisionshälsa.

Vid BTH kommer doktorandens arbete att ha fokus på computational och metodologisk utveckling, med särskild tonvikt på effektiv och skalbar träning, model interpretability och explainability samt reproducerbarhet i högdimensionella machine learning-ramverk. Projektet syftar till att föra forskningsfronten framåt inom explainable AI för storskaliga och komplexa datamängder genom att utveckla algoritmer, pipelines och verktyg som kan användas i kritiska beslutssammanhang.

Doktoranden kommer att vara placerad vid https://www.healthtechnology.se/ och arbeta nära samarbetspartners vid Lunds universitet samt SNAC-Blekinge-studien, som ger tillgång till stora populationsbaserade datamängder. Projektet är en integrerad del av ett större ELLIIT-samarbete där BTH leder den computationala och tillämpade AI-utvecklingen.

Forskningsinriktning

Doktorandprojektet kommer att inriktas mot utveckling av skalbara och effektiva maskininlärningsmetoder för analys av stora och multimodala hälsodata. Särskild vikt läggs vid tolkbarhet, förklarbar AI, robusthet och reproducerbarhet. Relevanta angreppssätt kan till exempel omfatta metoder för modelltolkning, explainable AI och transparenta analysflöden.

Arbetet kan även omfatta utveckling och optimering av algoritmer i beräkningsintensiva miljöer samt utveckling av tolkningsbara AI-ramverk för användning i verkliga beslutstödsystem.

Den exakta inriktningen kommer att utformas i dialog med den antagna doktoranden, utifrån bakgrund och intresseområden.

Behörighetskrav

För att kunna anställas som doktorand krävs att den sökande antas till utbildning på forskarnivå.

Meriterande kvalifikationer

Urval sker utifrån bedömd förmåga att genomföra utbildning på forskarnivå med framgång. Särskild vikt kommer att läggas vid masterexamen i datavetenskap, data science, tillämpad matematik, machine learning, signalbehandling eller annat närliggande tekniskt område.

Det är också viktigt med intresse för hälsoteknik och förmåga att arbeta med komplexa och storskaliga hälsodata med hjälp av avancerade machine learning- och statistiska metoder, stark analytisk förmåga och god programmeringsvana, mycket god förmåga att uttrycka sig på engelska i tal och skrift, förmåga till självständigt arbete och vetenskapligt resonemang samt god samarbets- och kommunikationsförmåga.

Dokumenterad erfarenhet av, eller starkt intresse för, ett eller flera av följande områden ses som meriterande: maskininlärning, dataanalys, statistisk modellering, explainable AI, beräkningsmetoder för storskaliga data samt analys av biomedicinska eller populationsbaserade dataset.

Du behöver ha ett intresse för applikationer inom medicin eller hälsovetenskap, men tidigare erfarenhet är inget krav.

Tjänstgöringsort: Karlskrona

Tjänstgöringsomfattning: 100 %

Tillträde: Enligt överenskommelse, från sommaren/hösten 2026

Varaktighet: Tidsbegränsad anställning i upp till fyra år, motsvarande ren forskningstid. Anställningen gäller initialt ett år och kan därefter förnyas med upp till två år i taget, under förutsättning att studierna fortskrider enligt plan. Tjänsten kan även omfatta institutionstjänstgöring om upp till 20 %, vilket innebär att den totala anställningstiden kan förlängas till maximalt fem år.

Sista ansökningsdag: 2026-05-25

Ansökan ska innehålla personligt brev där du beskriver din motivation, dina forskningsintressen och möjliga inriktningar inom området, CV, vidimerade examensbevis och studieutdrag, kontaktuppgifter till två referenspersoner samt publikationslista och/eller länk till examensarbete på avancerad nivå.