Syneos Health je plně integrovaná organizace poskytující řešení pro biofarmaceutický sektor, která klientům pomáhá posouvat léčebné postupy od klinického vývoje až ke komerčnímu uvedení. Její týmy propojují klinické a medicínské záležitosti, obchod, technologie a tržní poznatky, aby reagovaly na měnící se potřeby zdravotnictví a podporovaly vývoj a uvedení důležitých léčebných postupů na trh po celém světě.
Seniorní biostatistik — biomarkery, AI a hluboké učení
Veďte analýzy biomarkerů a genomických dat s využitím pokročilých statistických metod a hlubokého učení na podporu klinického výzkumu a vývoje léčiv ve společnosti Syneos Health.
Popis
- Koordinovat mezioborové plánování, provádění a analýzu genomických a dalších biomarkerových komponent v klinických studiích a studiích biomarkerů.
- Působit jako projektový statistik pro biomarkery pod vedením zkušeného statistika.
- Vytvářet plány hodnocení biomarkerů pro přidělené studie.
- Přispívat statistickými odbornými znalostmi do diskusí o klinickém vývoji a používat metody AI a strojového učení.
- Koordinovat statistické pracovní proudy podporující výzkum a vývoj biomarkerů.
- Plánovat a provádět pokročilé analýzy genomických dat a dat biomarkerů.
- Psát statistické programy a vyvíjet komplexní analytické algoritmy.
- Analyzovat soubory dat RNA, Olink a dalších biomarkerů.
- Připravovat přesné zprávy o hodnocení biomarkerů a vysvětlovat jejich výsledky.
- Samostatně řešit rutinní i komplexní statistické otázky, potřeby modelování a analytické úkoly.
- Vytvářet a uplatňovat standardizované procesy pro rutinní hodnocení biomarkerů.
Požadavky
- Titul PhD nebo MSc v oboru biostatistiky, statistiky, matematiky nebo příbuzném oboru.
- Vynikající písemné, ústní a mezilidské komunikační dovednosti.
- Schopnost efektivně pracovat samostatně i ve spolupráci s ostatními.
- Schopnost pracovat s minimálním dohledem.
- Prokazatelná zkušenost s vývojem a nasazováním modelů hlubokého učení pomocí PyTorch, TensorFlow nebo Keras.
- Dobrá znalost algoritmů strojového učení a statistických metod včetně analýzy přežití a řízení dávkových efektů, aplikovaných ve farmaceutickém výzkumu nebo při objevování biomarkerů.
- Znalost metod vysvětlitelné AI, jako jsou SHAP, atribuce pozornosti a kontrafaktuální analýza.
- Porozumění kvantifikaci nejistoty pro interpretovatelnost biomarkerů.
- Zkušenost se samostatným vedením studie biomarkerů.
- Předchozí zkušenost s klinickými studiemi je výhodou.
- Zkušenost z oboru je výhodou.
- Dobrá znalost hodnocení biomarkerů, zejména v oblasti imunologie a infekcí, diabetu 1. typu, relevantních parametrů a související biologie.
- Znalost nástrojů statistického programování včetně R, Bioconductor, balíčků R pro genetická data a Pythonu.
- Zkušenost s prací s vysokodimenzionálními datovými soubory.
- Lze přijmout srovnatelnou praxi, dovednosti nebo vzdělání.
Benefity
- Příležitosti k profesnímu rozvoji a kariérnímu postupu.
- Podpůrné a angažované liniové vedení.
- Školení v technických a terapeutických oblastech.
- Programy vzájemného uznávání kolegů.
- Program celkových odměn.
- Inkluzivní kultura na pracovišti.
- Přiměřená opatření podle potřeby.