I am a postdoctoral researcher in the Therapy Escape of Cancer Lab at the University of Bern focusing on employing novel advances in Digital Pathology and RNA-seq technologies to better understand the pathogeneses of ovarian cancer with the aim to improve treatment selection for cancer patients.

I previously completed my PhD in Biomedical Engineering at the University of Bern, where I specialized in applying cutting-edge computational methods to cancer research. My doctoral work focused on advancing our understanding of ovarian cancer through innovative data analysis approaches.

During my PhD, I developed expertise in analyzing digital pathology whole slide images using deep learning models to identify prognostic biomarkers in ovarian cancer. This work involved creating novel methods for the efficient processing, training, and labeling of high-dimensional digital pathology data. Additionally, I conducted comprehensive analyses of single-cell and bulk RNA sequencing data to investigate differential therapy outcomes in ovarian cancer patients.

My research combines computational biology, artificial intelligence, bioinformatics, and clinical pathology to bridge the gap between technological innovation and medical applications, with the ultimate goal of improving patient outcomes in cancer care.

I like working at the intersection of data science and specific domains, such as biomedical research, as such environments foster collaborations with domain experts. Collaborations are critical in order to leverage domain-specific knowledge to optimally apply computational approaches to complex domain-specific problems.

You can find more details about my experience/­education here [en|de].

Ich bin Postdoktorand im Therapy Escape of Cancer Lab an der Universität Bern und konzentriere mich darauf, neueste Fortschritte in der Digitalen Pathologie und RNA-seq-Technologien einzusetzen, um die Pathogenese von Eierstockkrebs besser zu verstehen, mit dem Ziel, die Behandlungs­auswahl für Krebs­patienten zu verbessern.

Ich habe zuvor mein Doktorat in Bio­medizintechnik an der Universität Bern abgeschlossen, wo ich mich auf die Anwendung modernster computer­gestützter Methoden in der Krebsforschung spezialisiert habe. Meine Doktorarbeit konzentrierte sich darauf, unser Verständnis von Eierstock­krebs durch innovative Daten­analysemethoden zu erweitern.

Während meines Doktorats entwickelte ich Expertise in der Analyse digitaler pathologischer Ganzschnittbilder mittels Deep-Learning-Modellen zur Identifizierung prognostischer Biomarker bei Eierstockkrebs. Diese Arbeit umfasste die Entwicklung neuartiger Methoden für die effiziente Verarbeitung, das Training und die Kennzeichnung hoch­dimensionaler digitaler Pathologie­daten. Zusätzlich führte ich umfassende Analysen von Einzelzell- und Bulk-RNA-Sequenzierungs­daten durch, um unterschiedliche Therapie­ergebnisse bei Eierstockkrebs­patientinnen zu untersuchen.

Meine Forschung verbindet Computational Biology, Künstliche Intelligenz, Bioinformatik und klinische Pathologie, um die Lücke zwischen technologischer Innovation und medizinischen Anwendungen zu schließen, mit dem übergeordneten Ziel, die Behandlungs­ergebnisse in der Krebstherapie zu verbessern.

Ich arbeite gerne an der Schnittstelle von Data Science und spezifischen Fachbereichen wie der bio­medizinischen Forschung, da solche Umgebungen Kooperationen mit Domänen­experten fördern. Kooperationen sind entscheidend, um fach­spezifisches Wissen zu nutzen und computer­gestützte Ansätze optimal auf komplexe fach­spezifische Probleme anzuwenden.

Eine genauere Übersicht über meine Arbeits­erfahrung und Ausbildung ist in meinem CV zu finden [en|de].