Är du intresserad av att utveckla nya metoder för bildanalys och maskininlärning för cancerdiagnostik och kliniskt beslutsstöd? Vill du vara en del av ett multidisciplinärt forskarteam med kompetenta och trevliga kollegor i en internationell miljö? Söker du en arbetsgivare som erbjuder trygga och förmånliga arbetsförhållanden? Välkommen att söka anställning som doktorand vid Institutionen för informationsteknologi, Uppsala universitet.
Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution, och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionens webbplats.
Projektet leds av professor Joakim Lindblad, vid Centrum för bildanalys och avdelningen Vi3, Institutionen för informationsteknologi, och genomförs tillsammans med forskare som utvecklar metoder inom djupinlärning och bildanalys med tillämpningar inom livsvetenskap och medicin. Projektet bygger på ett nära samarbete med forskare vid Institutionen för immunologi, genetik och patologi (IGP) vid Uppsala universitet samt SciLifeLab.
Om forskningsprogrammet DDLS
Doktorandtjänsten är del av det nationella forskningsprogrammet DDLS.
Datadriven livsvetenskap (DDLS) använder data, beräkningsmetoder och artificiell intelligens för att studera biologiska system och processer på alla nivåer, från molekylära strukturer och cellulära processer till mänsklig hälsa och globala ekosystem. SciLifeLab och Wallenberg National Program for Data-Driven Life Science (DDLS) har som mål att rekrytera och utbilda nästa generations forskare inom datadriven livsvetenskap och skapa globalt ledande kompetens inom beräknings- och datavetenskap för livsvetenskap i Sverige. Programmet finansieras med totalt 3,3 miljarder kronor under 12 år från Knut och Alice Wallenbergs (KAW) stiftelse.
Under 2026 kommer DDLS forskarskola att utökas med rekrytering av 25 akademiska och 7 industriella doktorander. Under DDLS-programmets gång kommer mer än 260 doktorander och 200 postdoktorer att ingå i forskarskolan. DDLS-programmet har fyra strategiska forsknings områden: cell- och molekylärbiologi, evolution och biologisk mångfald, precisionsmedicin och diagnostik, epidemiologi och infektionsbiologi. För mer information, se: https://www.scilifelab.se/data-driven/ddls-research-school/
Framtiden för life science är datadriven. Vill du vara en del av den utvecklingen? Då är du välkommen att delta i detta unika program!
Vid Uppsala universitet utlyser vi nu en doktorandtjänst inom DDLS med inriktning mot datadriven precisionsmedicin och diagnostik.
Datadriven precisionsmedicin och diagnostik omfattar dataintegration, analys, visualisering och datatolkning för patientstratifiering, upptäckt av biomarkörer för sjukdomsrisker, diagnos, läkemedelsrespons och övervakning av hälsa. Forskning inom precisionsmedicin förväntas använda befintliga starka tillgångar i Sverige och utomlands, såsom molekylära data (t.ex. omics), avbildningstekniker, elektroniska hälso- och sjukvårdsdata, longitudinella patient- och befolkningsregister och biobanker.
Projektbeskrivning
Utvecklingen av artificiell intelligens (AI) och datoriserad bildbehandling i kombination med avancerad digital mikroskopi möjliggör stora framsteg inom klinisk patologi och cancerdiagnostik. Dagens AI-metoder kräver stora mängder data med ett detaljerat facit som AI-systemet kan lära sig ifrån. Inom sjukvården finns i de flesta fall bara tillgång till information på patientnivå, om patientens hälsotillstånd och sjukdomsutveckling. I det här projektet kommer vi att utveckla teori, algoritmer och metoder för att effektivt träna AI-modeller utifrån begränsad och inexakt information samt obalanserade och heterogena multimodala data.
Denna behovsdrivna metodutveckling finner direkt tillämpning inom sjukvården. Vi kommer att, tillsammans med våra samarbetspartners inom sjukvård och biomedicin, tillämpa de utvecklade metoderna för att från cell- och vävnadsprover så tidigt som möjligt upptäcka cancer samt att individanpassat prediktera vilken behandling som förväntas ge bäst resultat för patienten.
Arbetsuppgifter
Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).
Kvalifikationskrav
Grundläggande behörighet till utbildning på forskarnivå har den som:
Högskolan får för en enskild sökande medge undantag från kravet på grundläggande behörighet, om det finns särskilda skäl. (7 kap. 39 § HF). För särskild behörighet, se studieplanen för ämnet.
De specifika kraven uppfylls genom att ha godkända kurser inom områden relevanta för ämnena bildanalys och maskininlärning, omfattande minst 90 högskolepoäng. Relevanta kurser innefattar, till exempel, bildbehandling, datorseende, maskininlärning, djupinlärning och neurala nätverk, samt kurser i python, GPU-programmering, matematisk modellering och statistik eller motsvarande.
Vi söker kandidater med:
Önskvärt/meriterande i övrigt
Meriterande är:
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Ansökan
Ansökan ska innehålla:
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 september 2026 eller enligt överenskommelse. Placeringsort: Uppsala
Upplysningar om anställningen lämnas av: Prof. Joakim Lindblad (e-post: joakim.lindblad@it.uu.se)
Välkommen med din ansökan senast den 22 maj 2026, UFV-PA 2026/1318.
| Anställningsform | Tidsbegränsad anställning |
|---|---|
| Anställningens omfattning | Heltid |
| Tillträde | 2026-09-01 eller enligt överenskommelse |
| Löneform | Fast lön |
| Antal lediga befattningar | 1 |
| Sysselsättningsgrad | 100 |
| Ort | Uppsala |
| Län | Uppsala län |
| Land | Sverige |
| Referensnummer | UFV-PA 2026/1318 |
| Publicerat | 2026-04-24 |
| Sista ansökningsdag | 2026-05-22 |