Eli Lilly and Company یک شرکت چندملیتی دارویی و مراقبت‌های سلامت است که بر کشف، توسعه، تولید و تجاری‌سازی داروهای تجویزی تمرکز دارد. فعالیت‌های این شرکت حوزه‌های درمانی مختلفی از جمله دیابت، انکولوژی، ایمنی‌شناسی، علوم اعصاب و درد را دربرمی‌گیرد. این شرکت پژوهش و توسعه را با کارآزمایی‌های بالینی، فرایندهای نظارتی، تولید داروهای زیستی و داروهای مولکول کوچک و توزیع جهانی ترکیب می‌کند.
مهندس هوش مصنوعی کاربردی، انفورماتیک بالینی — الی لیلی، حضوری در بوستون
قابلیت‌های هوش مصنوعی کاربردی و یادگیری ماشین را برای کارآزمایی‌های بالینی، زیست‌بانک‌ها و برنامه‌های پزشکی انتقالی الی لیلی توسعه دهید. برای توصیف فنوتیپ بیماران و تولید شواهد برای درمان‌های آینده، از داده‌های بالینی، مولکولی و جمعیتی استفاده کنید.
ایالات متحده
ماساچوست$۱۶۶٬۵۰۰ – $۲۶۶٬۲۰۰ / سال
حضوریتمام‌وقتسطح متوسطارشدزبان مورد نیاز: انگلیسیمهندس هوش مصنوعیمهندس یادگیری ماشینتوضیحات
- ابزارهای هوش مصنوعی عامل‌محور ایجاد و در محیط تولید پیاده‌سازی کنید تا پژوهشگران بتوانند با زبان طبیعی داده‌های بالینی را جست‌وجو کنند
- برای مبتنی‌کردن خروجی‌های تولید تقویت‌شده با بازیابی بر دانش زیستی تأییدشده، از هستی‌شناسی‌های زیست‌پزشکی، پایگاه‌های ثبت کارآزمایی و منابع مسیرهای زیستی گزینش‌شده استفاده کنید
- برای شناسایی تیپ‌های بیماران و زیرگونه‌های مولکولی بیماری در مجموعه‌داده‌های کارآزمایی و زیست‌بانک، روش‌های بدون‌ناظر و خودنظارتی را به کار ببرید
- از متغیرهای یکپارچه بالینی و اُمیکس، تحلیل بقا و برآوردگرهای رژیم درمانی پویا بسازید
- منابع متنوع کارآزمایی‌های بالینی و زیست‌بانک را به نمایش‌های داده‌ای مشترک استاندارد کنید
- پس از استقرار، کیفیت، ایمنی و قابلیت اطمینان عملیاتی مدل را ارزیابی و به‌طور مستمر پایش کنید
- فروشندگان، پیمانکاران و شرکای بیرونی پشتیبان برنامه‌های پژوهشی لیلی را هماهنگ کنید
- برای پایگاه‌های داده قفل‌شده کارآزمایی که در تحلیل‌های ثانویه و اکتشافی استفاده می‌شوند، خط لوله‌های مبتنی بر SDTM و ADaM توسعه دهید
- کارآزمایی‌های تکمیل‌شده را برای بررسی اثرات زیرگروهی، ناهمگونی درمان و الگوهای پاسخ‌دهنده یا غیرپاسخ‌دهنده تحلیل کنید
- برای کشف سیگنال‌های ایمنی احتمالی، روی روایت‌های عوارض ناخواسته، یادداشت‌های بالینی و اظهارنظرهای پژوهشگران، پردازش زبان طبیعی اعمال کنید
- برای مطالعه پیشرفت بیماری، پویایی پاسخ به درمان و نقاط پایانی زمان تا رویداد، تاریخچه‌های طولی بیماران را بازسازی کنید
- جریان‌های کاری فراتحلیل بین‌مطالعه‌ای و یکپارچه را در کارآزمایی‌های بالینی تکمیل‌شده طراحی کنید
- برای اعتبارسنجی خارجی و غنی‌سازی داده، از کوهورت‌های بزرگ زیست‌بانک، از جمله UK Biobank و All of Us، استفاده کنید
- عملیات پژوهشی بازتولیدپذیر را با کنترل نسخه داده، محاسبات کانتینری و سوابق تحلیل آماده ممیزی پیاده‌سازی کنید
- پژوهش را مطابق HIPAA، GDPR و استانداردهای قابل‌اعمال هیئت بازبینی نهادی و کمیته اخلاق انجام دهید
شرایط لازم
- مدرک کارشناسی ارشد در انفورماتیک زیست‌پزشکی، زیست‌شناسی محاسباتی، بیوانفورماتیک، ژنتیک آماری، اپیدمیولوژی، علوم رایانه یا رشته کمی مرتبط، یا مدرک MD/PhD با عمق معادل در علم داده انتقالی، به‌علاوه دست‌کم شش سال تجربه پژوهشی با مجموعه‌داده‌های کارآزمایی بالینی (SDTM/ADaM)، داده‌های زیست‌بانک یا مجموعه‌داده‌های بزرگ سلامت جمعیت
- مدرک دکترا در انفورماتیک زیست‌پزشکی، زیست‌شناسی محاسباتی، بیوانفورماتیک، ژنتیک آماری، اپیدمیولوژی، علوم رایانه یا رشته کمی مرتبط، یا مدرک MD/PhD با عمق معادل در علم داده انتقالی، به‌علاوه دست‌کم سه سال تجربه پژوهشی با مجموعه‌داده‌های کارآزمایی بالینی (SDTM/ADaM)، داده‌های زیست‌بانک یا مجموعه‌داده‌های بزرگ سلامت جمعیت
- سابقه اثبات‌شده در استقرار ابزارهای هوش مصنوعی در محیط تولید برای تحلیل داده‌های بالینی
- مهارت پیشرفته در Python و/یا R برای یادگیری ماشین و مدل‌سازی آماری
- تسلط قوی بر SQL
- تجربه کار با پلتفرم‌های رایانش ابری پژوهشی، ترجیحاً DNAnexus، AWS، Google Cloud، Azure یا کلاسترهای محاسبات با کارایی بالا
- آشنایی عملی با تکنیک‌های پیشرفته هوش مصنوعی مولد، از جمله ریزتنظیم LLM و آموزش مدل‌های پایه از ابتدا
- تجربه کار در محیط‌های محاسبات با کارایی بالا
- دانش جامع استانداردهای CDISC، از جمله SDTM و ADaM
- سابقه کاربرد تحلیل بقا، استنباط علّی، NLP و یادگیری عمیق در پژوهش‌های بالینی یا ژنومی
- درک قوی از OMOP CDM، HL7 FHIR Genomics و هستی‌شناسی‌های پیشرو زیست‌پزشکی
- تجربه پژوهشی عملی با زیست‌بانک‌های عمومی و دارای دسترسی محدود، از جمله UK Biobank و All of Us
- تجربه به‌کارگیری یادگیری فدرال، حریم خصوصی تفاضلی یا روش‌های محاسبات امن در پژوهش زیست‌پزشکی چندمرکزی
- سابقه انتشار مقالات داوری‌شده در هوش مصنوعی بالینی، انفورماتیک انتقالی، ژنومیک یا رشته مرتبط
- آشنایی با چارچوب کارآزمایی هدف و کاربرد آن با داده‌های زیست‌بانک
- دانش فارماکوژنومیک، مدل‌سازی پاسخ دارویی یا تحلیل PK/PD کارآزمایی‌های بالینی
- تجربه ساخت گراف‌های دانش زیست‌پزشکی، به‌کارگیری یادگیری ماشین گراف یا استفاده از استدلال مبتنی بر هستی‌شناسی
- تجربه عملی در تحلیل مجموعه‌داده‌های چنداُمیکی
- توانایی رعایت الزامات HIPAA، GDPR و هیئت بازبینی نهادی و کمیته اخلاق قابل‌اعمال
مزایا
- واجد شرایط بودن برای پاداش شرکت که بخشی از آن تحت تأثیر نتایج سازمانی و فردی است
- طرح 401(k) با حمایت مالی کارفرما
- طرح بازنشستگی
- مرخصی
- پوشش پزشکی
- پوشش دندان‌پزشکی
- پوشش بینایی
- پوشش داروهای تجویزی
- گزینه‌های هزینه‌کرد انعطاف‌پذیر برای مراقبت‌های درمانی و/یا مراقبت از افراد تحت تکفل
- بیمه عمر و مزایای فوت
- برنامه‌های مرخصی و زمان آزاد
- پشتیبانی از رفاه، مانند برنامه کمک به کارکنان، امکانات تناسب اندام و باشگاه‌ها و فعالیت‌های کارکنان
- گروه‌های منابع کارکنان