🎓 بورسیه فول فاند مقطع دکتری – هوش مصنوعی و علوم داده بالینی در سرطان پستان 🇸🇪

🏛 دانشگاه و مؤسسه:
Karolinska Institutet (KI)، سوئد

📍 محل تحصیل و فعالیت: Solna، استان استکهلم، سوئد
🔬 گروه پژوهشی: Computational Breast Imaging Group، دپارتمان Oncology-Pathology
👨‍🔬 سرپرست اصلی: Apostolia Tsirikoglou, PhD
👨‍🏫 استاد همکار و مدیر گروه: Associate Professor Fredrik Strand
🔢 شماره مرجع: STÖD 2-3996/2026
👤 تعداد موقعیت: ۱ نفر
💼 نوع موقعیت: PhD Placement / Doctoral Studentship
⏳ مدت: حداکثر ۴ سال به‌صورت تمام‌وقت
📊 امکان اشتغال پاره‌وقت: حداقل ۵۰٪
💰 حقوق: حقوق ماهانه قراردادی بر اساس مقیاس حقوقی Karolinska Institutet برای دانشجویان دکتری
📅 شروع همکاری: بر اساس توافق

⸻

🧬 موضوع پروژه پژوهشی

این پروژه دکتری در مرز مشترک هوش مصنوعی، یادگیری ماشین، مهندسی داده و پزشکی بالینی تعریف شده و هدف آن توسعه زیرساخت‌ها و روش‌های مبتنی بر عامل‌های هوشمند برای تبدیل داده‌های طولی و چندوجهی بیماران به ساختارهای قابل استفاده برای تصمیم‌گیری بالینی و مجموعه‌داده‌های استاندارد جهت ارزیابی دقیق سامانه‌های هوش مصنوعی است.

در درمان سرطان پستان، تصمیم‌گیری‌های بالینی در طول زمان و میان تخصص‌های مختلف از جمله:

🩻 رادیولوژی
🔬 پاتولوژی
🏥 جراحی
🧬 انکولوژی
👨‍⚕️ جلسات چندتخصصی توموربرد

انجام می‌شوند و اطلاعات مورد استفاده نیز از منابع متنوعی مانند تصاویر پزشکی، گزارش‌ها، یادداشت‌های بالینی و داده‌های ثبت‌شده در رجیستری‌ها به دست می‌آیند.

در این پروژه، با استفاده از یک مجموعه داده بزرگ شامل بیش از ۳۰٬۰۰۰ مورد سرطان پستان که به National Quality Register for Breast Cancer متصل است، روش‌هایی برای توسعه نسل جدید سامانه‌های هوش مصنوعی در تصمیم‌گیری‌های پزشکی بررسی خواهد شد.

🔹 این پروژه ترکیبی از موارد زیر است:

• مهندسی داده و طراحی Data Pipeline
• یادگیری ماشین (Machine Learning)
• هوش مصنوعی در پزشکی
• فناوری‌های زبانی و پردازش داده‌های متنی
• تحلیل تصاویر پزشکی
• ادغام داده‌های چندوجهی (Multimodal Data)
• تحلیل داده‌های طولی و زمانی
• ارزیابی قابل اعتماد سامانه‌های AI
• ترجمه فناوری‌های هوش مصنوعی به کاربردهای بالینی

⸻

🎯 وظایف دانشجوی دکتری

دانشجوی دکتری به‌تدریج نقش مستقلی در پروژه خواهد داشت و مسئولیت‌هایی مانند موارد زیر را بر عهده خواهد گرفت:

🔹 تعریف و توسعه پرسش‌های پژوهشی
🔹 توسعه روش‌های محاسباتی و مدل‌های هوش مصنوعی
🔹 کار با داده‌های بالینی و پزشکی
🔹 همکاری نزدیک با پزشکان و متخصصان علوم کامپیوتر
🔹 توسعه زیرساخت‌های داده‌ای
🔹 طراحی و ارزیابی روش‌های یادگیری ماشین
🔹 نگارش مقالات علمی
🔹 ارائه نتایج در کنفرانس‌های بین‌المللی
🔹 مشارکت در پژوهش‌های میان‌رشته‌ای در حوزه AI و پزشکی

⸻

🎓 این موقعیت برای چه رشته‌هایی مناسب است؟

این فرصت به‌طور ویژه برای فارغ‌التحصیلان رشته‌های زیر مناسب است:

🧠 هوش مصنوعی و یادگیری ماشین
💻 علوم کامپیوتر
📊 علوم داده (Data Science)
🩻 تحلیل تصاویر پزشکی
🦾 مهندسی پزشکی (Biomedical Engineering)
🔬 مهندسی کامپیوتر و رشته‌های مرتبط
📈 آمار و زیست‌آمار
🧬 انفورماتیک پزشکی و سلامت دیجیتال
🏥 علوم پزشکی محاسباتی
و سایر رشته‌های مرتبط با AI و Clinical Medicine

⸻

☑ شرایط اصلی پذیرش

متقاضی باید حداقل یکی از شرایط عمومی زیر را داشته باشد:

🔹 مدرک کارشناسی ارشد یا مدرک معادل در سطح Master
یا
🔹 گذراندن حداقل ۲۴۰ واحد دانشگاهی که حداقل ۶۰ واحد آن در سطح Master/Advanced باشد
یا
🔹 داشتن دانش و صلاحیت معادل از مسیرهای دیگر در سوئد یا خارج از سوئد.

همچنین:

🇬🇧 تسلط به زبان انگلیسی در سطح معادل English B / English 6 در سیستم آموزشی سوئد الزامی است.

⸻

🧑‍💻 مهارت‌های ضروری

متقاضیان باید دارای:

✔️ مدرک Master در یکی از رشته‌های Image Analysis، Machine Learning، Computer Science، Biomedical Engineering، Data Science یا رشته مرتبط

✔️ مهارت برنامه‌نویسی قوی، به‌ویژه Python

✔️ تجربه در Machine Learning و/یا Image Analysis

✔️ تجربه در Data Engineering، Data Pipelines یا کار با منابع داده‌ای ناهمگون

✔️ توانایی تحلیلی بالا

✔️ علاقه جدی به پژوهش میان‌رشته‌ای در تقاطع هوش مصنوعی و پزشکی بالینی

✔️ توانایی کار مستقل و همچنین کار تیمی در محیط چندرشته‌ای

✔️ مهارت بسیار خوب در زبان انگلیسی، به‌صورت نوشتاری و گفتاری

⸻

⭐ مهارت‌های امتیازی

داشتن تجربه در زمینه‌های زیر مزیت محسوب می‌شود:

🔹 استانداردهای داده سلامت مانند FHIR، OMOP و DICOM
🔹 داده‌های بالینی
🔹 ادغام داده‌های چندوجهی
🔹 داده‌های طولی و زمانی
🔹 Containerization و محیط‌های بازتولیدپذیر پژوهشی مانند Docker