Xenon Seven
Xenon Seven
11 – 50 Mitarbeitende
BeratungFertigungGesundheitswesen
Xenon Seven bietet KI- und Datenberatung für Unternehmen aus den Bereichen Gesundheitswesen, Finanzdienstleistungen, Einzelhandel, Technologie, Automobilindustrie, Energie und Fertigung. Das Leistungsspektrum umfasst generative KI, prädiktive Analysen, Computer Vision, Robotik und Entscheidungsunterstützung. Das Unternehmen hilft Teams dabei, Chancen zu bewerten, KI-Kompetenzen aufzubauen und auszubauen sowie die zugrunde liegende Infrastruktur zu verbessern. Dafür greift es auf ein Netzwerk von KI-Fachleuten aus mehr als 20 Institutionen zurück und legt Wert auf eine sichere Umsetzung und verlässliche Übergänge in KI-gestützte Betriebsabläufe.

Clinical Data Scientist für digitale Zwillinge und klinische Studien

Entwickelt digitale Zwillinge und Simulationen, um die Planung klinischer Studien zu unterstützen. Verknüpft klinische Daten mit KI und maschinellem Lernen, damit Entwicklungsentscheidungen auf fundierten Erkenntnissen beruhen.

Beschreibung

  • Leitet die Entwicklung und Bewertung digitaler Zwillinge von Patientinnen und Patienten, Krankheiten, Behandlungsreaktionen und klinischen Studien auf Basis klinischer Studiendaten und relevanter externer Daten.
  • Wendet mechanistische, statistische und kausale Methoden sowie maschinelles Lernen an, um digitale Zwillinge für alternative Populationen, Interventionen, Dosierungsstrategien, Endpunkte und Studiendesigns zu erstellen.
  • Legt Anwendungsfälle fest und definiert gemeinsam mit klinischen und quantitativen Fachleuten, wie digitale Zwillinge eingesetzt werden.
  • Bewertet Modellkalibrierung, Validierung, Robustheit, Übertragbarkeit, Unsicherheit und praktische Relevanz mithilfe interner und externer Ansätze.
  • Entwickelt reproduzierbare Arbeitsabläufe und wiederverwendbare Komponenten digitaler Zwillinge für verschiedene Programme und Therapiegebiete.
  • Arbeitet mit Studienteams zusammen, um Zielpopulationen, Einschlusskriterien, Anreicherungsstrategien, Vergleichsgruppen, Endpunkte, Besuchspläne, Dosierungsstrategien und operative Zielkonflikte zu bewerten.
  • Nutzt digitale Zwillinge und Simulationen, um Szenarien zu vergleichen, Unsicherheit zu quantifizieren und modellbasierte Entscheidungen zu unterstützen.
  • Stimmt sich mit Statistikerinnen und Statistikern sowie Pharmakometrikerinnen und Pharmakometrikern ab, damit Analysen mit klinischen und regulatorischen Zielen übereinstimmen.
  • Erläutert Annahmen, Einschränkungen und entscheidungsrelevante Erkenntnisse für technische und nichttechnische Beteiligte.
  • Analysiert und integriert klinische Studiendaten, Biomarker, Bildgebungsdaten, digitale Gesundheitsdaten, Omics-Daten, patientenberichtete Ergebnisse und Real-World-Daten.
  • Arbeitet mit Teams aus Datenengineering und Plattformbetrieb zusammen, um analysereife Datensätze vorzubereiten und Datenqualitätsprüfungen, Datenherkunft und reproduzierbare Pipelines einzurichten.
  • Erstellt wissenschaftliche Dokumentationen, Präsentationen und Publikationen und unterstützt die verantwortungsvolle Einführung von Methoden mit digitalen Zwillingen.
  • Legt vor der Modellentwicklung den vorgesehenen Verwendungszweck, den Entscheidungskontext, Erfolgskriterien und Einschränkungen fest.
  • Stellt sicher, dass Modelle interpretierbar, auditierbar und reproduzierbar sind und durch Evidenz gestützt werden.
  • Hält die Governance-, Datenschutz-, Sicherheits- und wissenschaftlichen Prüfanforderungen für klinische Daten und Analyseergebnisse ein.
  • Trennt explorative Analysen von validierter Evidenz zur Entscheidungsunterstützung und stellt die Leistungsfähigkeit der Modelle zutreffend dar.

Anforderungen

  • Promotion in Data Science, Statistik, Biostatistik, Pharmakometrie, Informatik, biomedizinischer Informatik, Ingenieurwissenschaften, Mathematik, Operations Research oder einer verwandten quantitativen Fachrichtung.
  • Nachgewiesene Erfahrung mit der Entwicklung digitaler Zwillinge, virtueller Patientinnen und Patienten, Krankheitsverlaufsmodelle, Simulationen klinischer Studien, synthetischer Kontrollgruppen oder ähnlicher Rechenmodelle.
  • Fundierte Kenntnisse in der Anwendung von maschinellem Lernen, statistischer Modellierung, kausaler Inferenz oder Simulation auf biomedizinische, medizinische, pharmazeutische oder andere komplexe wissenschaftliche Daten.
  • Sehr gute Programmierkenntnisse in Python, R oder einer vergleichbaren Analysesprache sowie Erfahrung mit Versionskontrolle und reproduzierbaren Arbeitsabläufen.
  • Ausreichende Kenntnisse der klinischen Entwicklung, um relevante Fragestellungen zu formulieren und effektiv mit klinischen und quantitativen Fachleuten für Studien zusammenzuarbeiten.
  • Fähigkeit und Interesse, Kenntnisse im Design klinischer Studien gemeinsam mit klinischen Wissenschaftlerinnen und Wissenschaftlern, Biostatistikerinnen und Biostatistikern sowie Pharmakometrikerinnen und Pharmakometrikern auszubauen.
  • Ausgeprägte schriftliche und mündliche Kommunikationsfähigkeiten sowie nachweisliche Erfahrung in der wirksamen wissenschaftlichen Zusammenarbeit über verschiedene Fachbereiche hinweg.
  • Von Vorteil: Erfahrung mit der Unterstützung des Studiendesigns, der Protokollentwicklung, der Strategie für die klinische Entwicklung, modellgestützter Arzneimittelentwicklung oder quantitativer Evidenz für Zulassungsbehörden.
  • Vertrautheit mit Themen des Studiendesigns wie Endpunktstrategie, Annahmen zu Stichprobengröße oder statistischer Power, Patientenauswahl oder Anreicherung, longitudinalen Ergebnissen, fehlenden Daten, adaptiven Designs oder Entscheidungskriterien.
  • Kenntnisse in Architektur und Validierung digitaler Zwillinge, kausaler Inferenz, Bayes’scher Modellierung, Überlebenszeitanalyse, longitudinaler Modellierung, Simulation klinischer Studien oder synthetischen Kontrollgruppen.
  • Erfahrung mit klinischen Datenstandards und gängigen Datenquellen der klinischen Entwicklung.
  • Erfahrung mit Biomarker-, Bildgebungs-, Omics-, Digital-Health- oder Real-World-Daten, einschließlich der Integration verschiedener Datentypen.
  • Erfahrung mit skalierbaren Analyseumgebungen in der Cloud.
  • Nachweisliche Erfolge dabei, Analysearbeit in Entscheidungen, wiederverwendbare Fähigkeiten, Publikationen, Präsentationen oder andere messbare wissenschaftliche Ergebnisse zu überführen.

Ähnliche Stellen

Ritchie Bros.

Leitende:r Data Scientist, Chicago (hybrid)

Ritchie Bros.

Leiten Sie Data-Science-Teams bei der Entwicklung skalierbarer Lösungen für maschinelles Lernen und fortgeschrittene Analysen. Arbeiten Sie bei unternehmensweiten Initiativen mit IT, Führungskräften, Produktteams und weiteren Beteiligten zusammen.

Öffnen
Ritchie Bros.

Leitende:r Data Scientist

Ritchie Bros.

Leite ein Data-Science-Team, das skalierbares maschinelles Lernen und fortgeschrittene Analysen für das Unternehmen entwickelt. Führe und fördere Data Scientists, verantworte die Modellentwicklung und arbeite mit IT, Produktteams, Führungskräften und weiteren Beteiligten zusammen.

Öffnen
Capital One

Manager: Data Scientist – Strategie für alternative Daten

Capital One

Leiten Sie bei Capital One Data-Science-Arbeiten zur Bewertung alternativer Daten für Kreditentscheidungen im US-Kartengeschäft. Entwickeln Sie Machine-Learning-Modelle, Datenmerkmale und skalierbare Überwachungssysteme.

Öffnen
Grubhub

Senior Staff Data Scientist, Marktplatz

Grubhub

Bestimme die Data-Science- und Machine-Learning-Ausrichtung für Wonders Marktplatz und gestalte kausale Inferenz, Experimente und produktive Systeme mit. Leite bereichsübergreifende technische Arbeit und fördere die Entwicklung von Data Scientists.

Öffnen