Forskningsingenjör inom medicinsk bildanalys och maskin inlärning

Arbetsuppgifter

Forskningsingenjören kommer att arkitektera, vidareutveckla och förvalta en högpresterande, containerbaserad beräkningsplattform dedikerad till medicinsk dataanalys och arbetsflöden inom artificiell intelligens. I denna roll ingår att designa och driftsätta skalbara MLOps-pipelines för automatiserad modellträning, experimentspårning och klinisk inferens, samt att hantera orkestrering av Kubernetes-kluster, distribuerade lagringssystem och resursallokering av GPU:er i miljöer med flera samtidiga användare (multi-tenant). Centrala tekniska ansvarsområden innefattar integrering av infrastruktur för hälsodata, såsom DICOM-servrar, PACS-gränssnitt och webbaserade visualiseringsverktyg, samt utveckling av pipelines för aktiv inlärning (active learning) och interaktiva annoteringsgränssnitt för validering med människan i loopen (human-in-the-loop). Ingenjören kommer även att bygga säkra RESTful API:er och mikrotjänster i backend, implementera protokoll för identitets- och behörighetshantering (IAM) i enlighet med dataskyddsstandarder inom hälso- och sjukvården, samt upprätthålla automatiserade CI/CD-pipelines för testning och driftsättning för att säkerställa plattformens driftsäkerhet och robusthet.

I skärningspunkten mellan beräkningsteknik och hälso- och sjukvård kommer ingenjören att arbeta i nära samverkan med datavetare, medicintekniska ingenjörer och kliniker. Rollen innebär att omsätta komplexa kliniska behov och forskningskrav till robusta mjukvaruspecifikationer, vilket direkt möjliggör driftsättning och prospektiv utvärdering av banbrytande AI-modeller i kliniska arbetsflöden. Därutöver kommer ingenjören att övervaka klusterprestanda, optimera beräkningsbelastningar samt tillhandahålla praktisk teknisk support och introduktion för forskare och kliniska användare.

Kvalifikationer

Kandidaten ska ha en examen på avancerad nivå (master- eller civilingenjörsexamen) inom datavetenskap, mjukvaruteknik eller ett närliggande kvantitativt ämnesområde. Grundläggande behörighetskrav är mycket goda kunskaper i Linux-miljöer och programmering i Python, dokumenterad praktisk erfarenhet av containerhantering och orkestrering med Docker och Kubernetes, backend- och API-utveckling (RESTful-tjänster samt databasintegrering) och vedertagna arbetsflöden för mjukvaruutveckling med Git. Mycket god kommunikationsförmåga på engelska i både tal och skrift samt god förmåga att samarbeta effektivt i en tvärvetenskaplig miljö tillsammans med ingenjörer och kliniker är ett krav.

Meriterande kvalifikationer innefattar praktisk erfarenhet av elektroniska patientjournalsystem (EHR), standarder för medicinsk bildhantering (DICOM, NIfTI) samt bildservrar och visualiseringsverktyg (Orthanc, PACS, 3D Slicer). Det är även meriterande med förtrogenhet med ramverk för medicinsk AI och MLOps-pipelines (PyTorch, MONAI, MLflow, Kubeflow), erfarenhet av CI/CD- och GitOps-verktyg (ArgoCD, Ansible) samt kunskap om säkerhets- och autentiseringsprotokoll (Keycloak, OIDC) för hantering av känsliga hälsodata.

Om anställningen

Anställningen avser heltid och är tidsbegränsad på 5 månader, med möjlighet till förlängning (upp till totalt 7–8 månader beroende på projektfinansiering). Stockholms universitet tillämpar individuell lönesättning. Tillträde snarast enligt överenskommelse.

Ref.nr SU FV-2829-26

Sista ansökningsdag: 2026-10-04

Fullständig information finns här