PhD Position in Medical AI for Clinical Language Models and Temporal Disease Modeling in Oncology (Technical University of Munich)

PhD Position (m/f/d) - Medical AI for Clinical Language Models and Temporal Disease Modeling in Oncology 03.06.2026, Wissenschaftliches Personal Stellenanzeigen sollen von den jeweiligen Einrichtungen selbst eingetragen werden. Dazu sind Mitarbeiterrechte im Portal erforderlich. Dies ist bei allen in TUMonline enthaltenen Mitarbeitern automatisch der Fall. Bitte geben Sie bei allen Anzeigen eine aussagekräftige Bezeichnung der Aufgabe, eine Beschreibung und durch Komma getrennte Keywords an. Die Bezeichnung 'Wissenschaftlicher Mitarbeiter' ist nicht sinnvoll, da hier nicht erkenntlich ist um welches Fachgebiet bzw. um welche Aufgabe es geht. Eine Anleitung finden Sie in der Kurzanleitung für Stellenanzeigen und (ausführlicher) im Best Practice Manual Stellenanzeigen (pdf) About the position The Research Group AI-Assisted Healthcare at TUM University Hospital (Klinikum rechts der Isar) is seeking a highly motivated PhD candidate to join a BMFTR-funded collaborative research project on transparent, agent-based AI methods to support multidisciplinary tumor boards in oncology. You will develop methods to transform heterogeneous oncology documentation into structured, time-aligned patient trajectories, combining large language models, semantic harmonization, and transformer-based temporal modeling. You will also contribute to the simulation-based evaluation of the resulting decision-support outputs in realistic tumor board scenarios. The work is carried out in close collaboration with partners at TU Munich and RWTH Aachen. This is a genuinely interdisciplinary role at the interface of machine learning and clinical oncology, with access to a large multimodal research dataset, substantial GPU resources, and a collaborative scientific environment. Your tasks Design and implement LLM-based pipelines for extracting oncological events (diagnoses, staging, treatments, disease course) from clinical free text Develop semantic harmonization strategies using standardized vocabularies (SNOMED CT, ICD-10, LOINC) and cross-institutional mapping Build transformer-based temporal models that represent patient trajectories and treatment response Develop interpretability and attribution methods linking model outputs to their source documents Contribute to the design and analysis of simulation-based reader evaluations together with clinical partners Publish results at leading venues and present at international conferences Your profile Completed Master's degree (or equivalent) in Computer Science, Data Science, Computational Linguistics, Mathematics, or a related field Strong programming skills in Python and experience with modern deep learning frameworks (e.g. PyTorch) Solid background in machine learning, ideally with experience in NLP, large language models, or sequence modeling Interest in clinical and biomedical applications; prior exposure to medical data is welcome but not required Very good command of English; German is an asset but not a requirement Independent, rigorous, and collaborative working style Our offer A PhD position in a well-funded, nationally networked research consortium with strong clinical and methodological partners Access to large-scale multimodal oncology datasets and substantial computing infrastructure Structured doctoral training and supervision within the TUM environment Full-time salary according to TV-L E13, in line with standard public-sector conditions A diverse, interdisciplinary, and supportive team The position is initially limited to 36 months in line with the project duration Contact and application Please send your application as a single PDF, including a cover letter, CV and transcripts to: s.ziegelmayer@tum.de Applications will be reviewed on a rolling basis until the position is filled. The selection process is organized in two stages. Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Hinweis zum Datenschutz: Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben. Kontakt: s.ziegelmayer@tum.de Mehr Information https://radiologie.mri.tum.de/en/ai-assisted-healthcare Wenn Sie sich auf diese Stelle bewerben, erwähnen Sie bitte dass Sie sie auf Universitoxy gesehen haben.

PhD Position (m/f/d) - Medical AI for Clinical Language Models and Temporal Disease Modeling in Oncology

03.06.2026, Wissenschaftliches Personal

Stellenanzeigen sollen von den jeweiligen Einrichtungen selbst eingetragen werden. Dazu sind Mitarbeiterrechte im Portal erforderlich. Dies ist bei allen in TUMonline enthaltenen Mitarbeitern automatisch der Fall.

Bitte geben Sie bei allen Anzeigen eine aussagekräftige Bezeichnung der Aufgabe, eine Beschreibung und durch Komma getrennte Keywords an. Die Bezeichnung 'Wissenschaftlicher Mitarbeiter' ist nicht sinnvoll, da hier nicht erkenntlich ist um welches Fachgebiet bzw. um welche Aufgabe es geht.

Eine Anleitung finden Sie in der Kurzanleitung für Stellenanzeigen und (ausführlicher) im Best Practice Manual Stellenanzeigen (pdf)

About the position

The Research Group AI-Assisted Healthcare at TUM University Hospital (Klinikum rechts der Isar) is seeking a highly motivated PhD candidate to join a BMFTR-funded collaborative research project on transparent, agent-based AI methods to support multidisciplinary tumor boards in oncology.

You will develop methods to transform heterogeneous oncology documentation into structured, time-aligned patient trajectories, combining large language models, semantic harmonization, and transformer-based temporal modeling. You will also contribute to the simulation-based evaluation of the resulting decision-support outputs in realistic tumor board scenarios. The work is carried out in close collaboration with partners at TU Munich and RWTH Aachen.

This is a genuinely interdisciplinary role at the interface of machine learning and clinical oncology, with access to a large multimodal research dataset, substantial GPU resources, and a collaborative scientific environment.

Your tasks

Design and implement LLM-based pipelines for extracting oncological events (diagnoses, staging, treatments, disease course) from clinical free text
Develop semantic harmonization strategies using standardized vocabularies (SNOMED CT, ICD-10, LOINC) and cross-institutional mapping
Build transformer-based temporal models that represent patient trajectories and treatment response
Develop interpretability and attribution methods linking model outputs to their source documents
Contribute to the design and analysis of simulation-based reader evaluations together with clinical partners
Publish results at leading venues and present at international conferences

Your profile

Completed Master's degree (or equivalent) in Computer Science, Data Science, Computational Linguistics, Mathematics, or a related field
Strong programming skills in Python and experience with modern deep learning frameworks (e.g. PyTorch)
Solid background in machine learning, ideally with experience in NLP, large language models, or sequence modeling
Interest in clinical and biomedical applications; prior exposure to medical data is welcome but not required
Very good command of English; German is an asset but not a requirement
Independent, rigorous, and collaborative working style

Our offer

A PhD position in a well-funded, nationally networked research consortium with strong clinical and methodological partners
Access to large-scale multimodal oncology datasets and substantial computing infrastructure
Structured doctoral training and supervision within the TUM environment
Full-time salary according to TV-L E13, in line with standard public-sector conditions
A diverse, interdisciplinary, and supportive team
The position is initially limited to 36 months in line with the project duration

Contact and application

Please send your application as a single PDF, including a cover letter, CV and transcripts to: s.ziegelmayer@tum.de

Applications will be reviewed on a rolling basis until the position is filled. The selection process is organized in two stages.

Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt.

Hinweis zum Datenschutz:
Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben.

Kontakt: s.ziegelmayer@tum.de