Ph.d.-stilling for læge: Kunstig intelligens til prædiktion af behandlingsrelateret toksicitet ved akut lymfoblastær leukæmi

Vi søger en engageret og forskningsinteresseret læge til en 3-årig Ph.d.-stilling med start 1. maj 2026 eller snarest derefter. Projektet er forankret i et stærkt tværfagligt samarbejde mellem børneonkologer og kliniske immunologer ved Rigshospitalet og bioinformatikere ved Pioneer Centre AI på Københavns Universitet.

Projektet

Projektets overordnede formål er at udvikle og anvende transformer-baserede machine learning modeller til at forudsige behandlingsinducerede komplikationer hos patienter med akut lymfoblastær leukæmi (ALL), med særligt fokus på svær og langvarig neutropeni. Målet er at forbedre risikostratificering, individualisere forebyggende behandling og potentielt reducere behandlingsrelateret morbiditet. Projektet kombinerer kliniske, parakliniske og registerdata fra børn og unge med ALL med avancerede AI-/deep learning-metoder og skaber en tæt kobling mellem klinisk indsigt og datadrevet modellering.

Forskningsmiljø

Den Ph.d.-studerende vil indgå i et dynamisk og internationalt forskningsmiljø og arbejde tæt sammen med erfarne børneonkologer og kliniske immunologer ved Rigshospitalet, en bioinformatisk postdoc tilknyttet projektet, samt eksperter i AI-baserede modeller i professor Mads Nielsens gruppe ved Pioneer Center AI, Københavns Universitet. Arbejdspladsen vil overvejende være Rigshospitalet, men delt mellem Rigshospitalet og Københavns Universitet, hvilket giver en unik mulighed for at opnå kompetencer i både klinisk forskning og moderne kunstig intelligens.

Arbejdsopgaver

Den Ph.d.-studerende vil have en central rolle i projektet og forventes at bidrage aktivt til både de kliniske og dataanalytiske dele af forskningen. Arbejdsopgaverne vil bl.a. omfatte:

• Strukturering og annotering af kliniske data, herunder behandlingsforløb, laboratoriedata og toksicitetsudfald
• Sammenfatning og systematisering af gældende klinisk praksis vedrørende håndtering af behandlingsinduceret neutropeni
• Tæt faglig sparring med den tilknyttede bioinformatiske postdoc gennem hele modeludviklingsprocessen for at sikre klinisk relevans og korrekt fortolkning
• Vurdering af modellens kliniske effekt og anvendelighed, herunder analyse af prædiktionsperformance og potentielle implikationer for klinisk beslutningstagning samt planlægning og evt udførsel af den kliniske validering og implementering af modellen
• Udarbejdelse af videnskabelige publikationer og konferencepræsentationer

Kvalifikationer

• Dansk lægeautorisation
• Stærk interesse for klinisk forskning og datadrevne metoder
• Motiveret for tværfagligt samarbejde mellem klinik og bioinformatik

Det vil desuden være en fordel, hvis ansøgeren har:

• Erfaring med forskning, klinisk eller translationel
• Erfaring indenfor børneonkologi, subsidiært pædiatri, farmakologi, eller immunologi
• Erfaring med eller interesse for statistik og/eller bioinformatik
• Erfaring med større kliniske datasæt

Vi tilbyder

• En Ph.d.-stilling i et højt specialiseret, tværfagligt og innovativt forskningsmiljø
• Tæt vejledning fra både kliniske, parakliniske og bioinformatiske vejledere
• Mulighed for at opbygge kompetencer indenfor kunstig intelligens i klinisk medicin
• Gode muligheder for internationalt samarbejde og publikationer
• Løn- og ansættelsesvilkår i henhold til gældende overenskomst

Yderligere oplysninger om stillingen kan fås ved henvendelse til:
Signe Modvig, MD, PhD, Afdelingslæge, Klinisk Lektor, Master i Bioinformatik, Klinisk Immunologisk Afdeling, Rigshospitalet, signe.modvig.stausboell@regionh.dk

Ansøgningsfristen er torsdag d. 19. marts 2026.

• Fakta

• Arbejdssted
  Rigshospitalet, Blegdamsvej
• Kontaktperson
  Signe Modvig Stausbøll
  signe.modvig.stausboell@regionh.dk
• Adresse
  Blegdamsvej 9, 2100 København Ø
• Stillingstype
  Læge
• Speciale
  Klinisk immunologi
• Ansættelsesform
  Tidsbegrænset periode
• Ugentlig arbejdstid
  Fuld tid
• Ansættelsens start
  01-05-2026
• Regionens jobnr.
  267149
• Quick-nr.
  487937
• Indrykningsdato
  19-02-2026
• Ansøgningsfrist
  19-03-2026