Posizione post-doc in ambito Multimodal e Generative AI per Imaging Biomedico e Genetica
Sede di lavoro: Genova

Per l'Istituto Italiano di Tecnologia (IIT) cerchiamo un/una PhD con competenze avanzate in machine learning e computer vision, da inserire nel team di ricerca AIGO per lavorare su modelli multimodali e generativi per l'imaging biomedico, con l'obiettivo di predire informazioni genetiche e di rischio clinico a partire da immagini mediche.

Continua a leggere l'annuncio se:

Hai un PhD in AI, ML, Computer Vision, Informatica, Ingegneria, Fisica, Matematica o discipline affine

Hai maturato una solida esperienza di ricerca in Machine Learning, Deep Learning e Computer Vision, preferibilmente applicata all’imaging medico, biomedico o ad altri ambiti scientifici

Hai lavorato su modelli multimodali o approcci capaci di integrare immagini con dati strutturati, biologici, clinici o genetici

Hai già pubblicazioni su riviste e conferenze scientifiche di ML, DL e Computer Vision

Non è l'annuncio per te se:

Cerchi un posto a tempo indeterminato

Vieni dalla genetica o dalla genomica, ma non hai mai lavorato con modelli di deep learning

Hai utilizzato modelli di Machine Learning o Deep Learning prevalentemente come strumenti già disponibili, senza occuparti direttamente del loro sviluppo, addestramento o adattamento a problemi scientifici complessi

Per chi ti stai candidando
Le persone selezionate lavoreranno all'interno dell'Istituto Italiano di Tecnologia (IIT), nato con lo scopo di promuovere lo sviluppo tecnologico del nostro Paese e l'alta formazione tecnologica, favorendo così lo sviluppo del sistema produttivo nazionale.

La figura selezionata entrerà a far parte del gruppo di ricerca Artificial Intelligence for Good (AIGO), coordinato dal Prof. Vittorio Murino, punto di riferimento a livello internazionale nel campo dell'Intelligenza Artificiale.

Il gruppo, composto ormai da circa 25 persone tra dottorandi, post-doc e ricercatori, si occupa dello studio di modelli di apprendimento in presenza di dati imperfetti, in particolare in scenari multimodali, affrontando contesti di apprendimento non supervisionato, semi-supervisionato, auto-supervisionato, con dati etichettati in modo debole o rumoroso, sbilanciati o distorti. Le aree di ricerca comprendono inoltre domain adaptation e generalization, few/zero-shot learning, continual learning e learning con dati biasati.

Il gruppo lavora anche su modelli generativi con particolare attenzione ai più recenti foundation models multimodali, inclusi i Large Language Models (LLM) e i Vision and Language Models (VLM). Ulteriori linee di ricerca riguardano lightweight machine learning per sviluppare tecnologie AI a basso consumo energetico, anche per applicazioni su dispositivi edge (es. robot).

Coerentemente con l’attenzione posta sul benessere delle persone, AIGO intende progettare fin dalle fondamenta metodi AI che incorporino aspetti etici, di privacy e fairness, nonché robustezza, orientandosi verso tecniche di deep learning che siano spiegabili, affidabili e trasparenti. Le principali applicazioni riguardano l’ambito biomedicale, biologico, neuroscientifico e sanitario in generale

AIGO beneficia inoltre della collaborazione con numerose università e centri di ricerca internazionali, in particolare con le università più vicine di Genova e Verona.

Il progetto




La posizione è finanziata da Dompé Farmaceutici nell’ambito del progetto AI Driven Prediction of Glaucoma Linked Genetic Variants from OCT Retinal Imaging.

Il progetto intende esplorare la possibilità di utilizzare immagini retiniche OCT e dati biomedici eterogenei per ricavare informazioni predittive relative a fattori genetici e al rischio di sviluppare il glaucoma.

L’obiettivo della ricerca sarà sviluppare modelli capaci di apprendere dalle immagini rappresentazioni del fenotipo che possano essere utilizzate come indicatori predittivi di fattori genotipici sottostanti.

Il progetto mira quindi ad andare oltre gli approcci tradizionalmente basati sull’analisi delle associazioni statistiche, facendo leva sulle capacità del Deep Learning di apprendere da dati di imaging ad alta dimensionalità e da informazioni contestuali e multimodali.

Di che cosa ti occuperai:
Alla persona non sarà chiesto di applicare modelli già esistenti a un dataset biomedico, ma di contribuire in team alla progettazione, allo sviluppo e alla validazione di nuove soluzioni metodologiche.

Collaborando con il resto del team, la figura inserita si occuperà in particolare di:

Progettare e studiare modelli di Machine Learning e Deep Learning in grado di collegare dati di imaging medico a fattori biologici, genotipici o di rischio genetico

Lavorare su modelli multimodali e generativi, representation learning e approcci data driven applicati a immagini e dati biomedici eterogenei

Affrontare le problematiche derivanti dalla supervisione limitata, dall’eterogeneità dei dati e dalla disponibilità di differenti fonti informative

Condurre attività di ricerca sia in autonomia sia in collaborazione con gli altri membri del gruppo AIGO

Supervisionare e supportare le attività di ricerca di dottorandi coinvolti nel progetto

Contribuire alla preparazione di pubblicazioni per riviste scientifiche e conferenze internazionali di alto livello

Supportare la preparazione di proposte progettuali per bandi nazionali, internazionali e industriali

Chi stiamo cercando
Si prenderanno in considerazione solo candidature provenienti da persone con Dottorato di Ricerca in discipline affini al progetto, come Artificial Intelligence, Machine Learning, Computer Vision, Computer Science, Ingegneria, Fisica, Matematica o discipline simili.

È inoltre richiesta una produzione scientifica documentata e coerente con le tematiche della posizione.

competenze tecniche imprescindibili:

Esperienza documentata in Machine Learning, Deep Learning e Computer Vision, preferibilmente applicata all’imaging medico o biomedico, con particolare attenzione all’apprendimento multimodale.

Conoscenza approfondita dei modelli generativi, come GAN, diffusion model, architetture encoder decoder o modelli basati su optimal transport

Esperienza nell’utilizzo di modelli generativi per representation learning, data modeling o per affrontare problemi scientifici complessi





Padronanza dei moderni approcci di Deep Learning, inclusi Transformer e GNNs

Ottime capacità di programmazione, preferibilmente in Python, ed esperienza pratica nell’utilizzo di framework di Deep Learning come PyTorch, considerato preferenziale, TensorFlow o equivalenti

Solida produzione scientifica su riviste e conferenze riconosciute nel settore

Ottima conoscenza della lingua inglese, scritta e parlata

Sono considerati requisiti preferenziali, anche se non imprescindibili:

Esperienza nello sviluppo di approcci multimodali che integrino immagini, dati strutturati, metadati o altre fonti informative

Esperienza con domain adaptation, few shot learning, zero shot learning, self supervised learning, model debiasing o continual learning

Esperienza nell’analisi di dati biomedici o biologici, come immagini mediche, imaging derived features, metadati strutturati o misure a livello di popolazione

Applicazione di tecniche di Deep Learning in ambiti scientifici quali chimica, scienza dei materiali, drug discovery, fisica o imaging scientifico

Esperienza nel fine tuning o nel deployment di foundation models, inclusi Large Language Model e Vision Language Model

Esperienza pratica nell’utilizzo di infrastrutture HPC

Competenze trasversali
Cerchiamo persone che condividano l’obiettivo di AIGO di sviluppare metodi AI capaci di affrontare problemi scientifici complessi all’intersezione tra imaging biomedico, dati genetici e salute. Completano il profilo la capacità di integrarsi in contesti multidisciplinari e multiculturali, con la flessibilità di lavorare in autonomia nei momenti opportuni e di contribuire attivamente al lavoro di squadra. È richiesto infine il mindset tipico di chi ha fatto ricerca, caratterizzato dalla forte propulsione all'innovazione e all'apprendimento continuo, sapendo combinare la creatività con l'orientamento al risultato e la capacità di gestire il tempo e le priorità.

Cosa offriamo
La figura sarà inserita con un contratto post-doc di 12 mesi con possaibilità di rinnovo, con un range di RAL prevista tra i 32-40K. La RAL effettiva sarà determinata con i proponenti sulla base della valutazione delle competenze ed esperienze del/la candidato/a.

A seconda del ruolo e della tipologia contrattuale potrà essere prevista anche una copertura sanitaria privata.

La posizione prevede flessibilità oraria e la possibilità di ricorrere allo lavoro da remoto in modo saltuario o in caso di necessità. È comunque richiesta la disponibilità a trasferirsi a Genova o nei dintorni.

Candidati provenienti dall'estero, o cittadini italiani che abbiano svolto attività di ricerca scientifica in modo continuativo all'estero e soddisfino determinati requisiti, possono avere diritto a una riduzione dell'imponibile fiscale fino al 90%, per un periodo compreso tra 6 e 13 anni.

All'interno dell'IIT vi sono inoltre diversi uffici che possono supportare per questioni amministrative o burocratiche, per esempio in caso di trasferimento o desideri di entrepreneurship.

Oltre alla RAL c'è di più:

Entrando nel gruppo AIGO potrai lavorare su un problema scientifico ancora aperto, all’intersezione tra Intelligenza Artificiale, imaging biomedico e genetica, contribuendo non soltanto all’applicazione dei modelli, ma anche al loro sviluppo metodologico.

#J-18808-Ljbffr

📌 Deep Learning Researcher (Genova)
🏢 Altro
📍 Genova