Eli Lilly and Company on monikansallinen lääke- ja terveydenhuoltoalan yritys, joka keskittyy reseptilääkkeiden löytämiseen, kehittämiseen, valmistamiseen ja kaupallistamiseen. Sen toiminta kattaa muun muassa diabeteksen, onkologian, immunologian, neurotieteen ja kivun hoidon, ja siinä yhdistyvät tutkimus ja tuotekehitys, kliiniset tutkimukset, sääntelyprosessit, biologisten lääkkeiden ja pienimolekyylisten lääkkeiden tuotanto sekä maailmanlaajuinen jakelu.
Soveltavan tekoälyn insinööri, kliininen informatiikka — Eli Lilly, Boston, työpaikka toimistolla
Kehitä soveltavan tekoälyn ja koneoppimisen valmiuksia Eli Lillyn kliinisiin tutkimuksiin, biopankkeihin ja translatiivisen lääketieteen ohjelmiin. Hyödynnä kliinistä, molekyyli- ja väestötason dataa potilasfenotyyppien kuvaamiseen ja tulevien hoitojen tutkimusnäytön tuottamiseen.
Kuvaus
- Luo ja vie tuotantokäyttöön agenttisia tekoälytyökaluja, joiden avulla tutkijat voivat tehdä kyselyitä kliinisestä datasta luonnollisella kielellä
- Hyödynnä biolääketieteellisiä ontologioita, tutkimusrekistereitä ja kuratoituja reittitietolähteitä, jotta hakuavusteisen generoinnin tuotokset perustuvat varmennettuun biologiseen tietoon
- Sovella ohjaamattomia ja itseohjautuvia menetelmiä potilasprofiilien ja molekyylitason sairausalatyyppien tunnistamiseen tutkimus- ja biopankkiaineistoista
- Laadi eloonjäämisanalyysejä ja dynaamisten hoito-ohjelmien estimaattoreita yhdistetyistä kliinisistä ja omics-muuttujista
- Yhdenmukaista monimuotoiset kliinisten tutkimusten ja biopankkien lähteet yhteisiin dataesityksiin
- Arvioi ja seuraa jatkuvasti mallien laatua, turvallisuutta ja toiminnallista luotettavuutta käyttöönoton jälkeen
- Koordinoi Lillyn tutkimusohjelmia tukevia toimittajia, alihankkijoita ja ulkoisia kumppaneita
- Kehitä SDTM- ja ADaM-pohjaisia putkia lukittujen tutkimustietokantojen toissijaisiin ja eksploratiivisiin analyyseihin
- Analysoi valmistuneita tutkimuksia alaryhmävaikutusten, hoitovasteen vaihtelun sekä vasteellisten ja vasteettomien potilasryhmien tunnistamiseksi
- Sovella NLP:tä haittatapahtumakuvauksiin, kliinisiin muistiinpanoihin ja tutkijoiden kommentteihin mahdollisten turvallisuussignaalien löytämiseksi
- Rakenna potilaiden pitkittäisiä hoitohistorioita sairauden etenemisen, hoitovasteen kinetiikan ja tapahtuma-aikapäätepisteiden tutkimiseksi
- Suunnittele tutkimusten välisiä meta-analyysejä ja integroivia työnkulkuja valmistuneiden kliinisten tutkimusten pohjalta
- Hyödynnä suuria biopankkikohortteja, kuten UK Biobankia ja All of Us -aineistoa, ulkoiseen validointiin ja datan rikastamiseen
- Toteuta toistettavat tutkimuskäytännöt datan versionhallinnan, kontitettujen laskentaympäristöjen ja auditointivalmiiden analyysitietojen avulla
- Tee tutkimusta HIPAA-, GDPR- sekä sovellettavien IRB- ja eettisten toimikuntien standardien mukaisesti
Vaatimukset
- Ylempi korkeakoulututkinto biolääketieteellisestä informatiikasta, laskennallisesta biologiasta, bioinformatiikasta, tilastollisesta genetiikasta, epidemiologiasta, tietojenkäsittelytieteestä tai vastaavalta määrälliseltä alalta tai MD/PhD-tutkinto vastaavalla translatiivisen datatieteen osaamisella sekä vähintään kuuden vuoden tutkimuskokemus kliinisten tutkimusten aineistoista (SDTM/ADaM), biopankkidatasta tai laajoista väestöterveyden aineistoista
- Tohtorintutkinto biolääketieteellisestä informatiikasta, laskennallisesta biologiasta, bioinformatiikasta, tilastollisesta genetiikasta, epidemiologiasta, tietojenkäsittelytieteestä tai vastaavalta määrälliseltä alalta tai MD/PhD-tutkinto vastaavalla translatiivisen datatieteen osaamisella sekä vähintään kolmen vuoden tutkimuskokemus kliinisten tutkimusten aineistoista (SDTM/ADaM), biopankkidatasta tai laajoista väestöterveyden aineistoista
- Osoitettu kokemus tekoälytyökalujen viemisestä tuotantoon kliinisen datan analyysia varten
- Edistyneet Python- ja/tai R-taidot koneoppimiseen ja tilastolliseen mallintamiseen
- Vankka SQL-osaaminen
- Kokemus pilvipohjaisista tutkimuslaskenta-alustoista, mieluiten DNAnexusista, AWS:stä, Google Cloudista, Azuresta tai suurteholaskentaklustereista
- Käytännön tuntemus edistyneistä generatiivisen tekoälyn tekniikoista, kuten LLM-mallien hienosäädöstä ja perustamallien kouluttamisesta alusta alkaen
- Kokemus työskentelystä suurteholaskentaympäristöissä
- CDISC-standardien, mukaan lukien SDTM:n ja ADaM:n, kattava tuntemus
- Osoitettu kokemus eloonjäämisanalyysin, kausaalipäättelyn, NLP:n ja syväoppimisen soveltamisesta kliiniseen tai genomitutkimukseen
- OMOP CDM:n, HL7 FHIR Genomicsin ja johtavien biolääketieteellisten ontologioiden vahva tuntemus
- Käytännön tutkimuskokemus merkittävistä julkisista ja rajoitetun pääsyn biopankeista, kuten UK Biobankista ja All of Us -aineistosta
- Kokemus federoidun oppimisen, differentiaalisen yksityisyyden tai turvallisen laskennan menetelmien soveltamisesta monipaikkaiseen biolääketieteelliseen tutkimukseen
- Vertaisarvioitu julkaisutoiminta kliinisen tekoälyn, translatiivisen informatiikan, genomiikan tai vastaavan alan tutkimuksesta
- Target trial -viitekehyksen ja sen biopankkidataan soveltamisen tuntemus
- Farmakogenomiikan, lääkevasteen mallintamisen tai kliinisten tutkimusten PK/PD-analyysin tuntemus
- Kokemus biolääketieteellisten tietämysgraafien rakentamisesta, graafikoneoppimisen soveltamisesta tai ontologiapohjaisesta päättelystä
- Käytännön kokemus multiomiikka-aineistojen analysoinnista
- Kyky noudattaa HIPAA-, GDPR- sekä sovellettavien IRB- ja eettisten toimikuntien vaatimuksia
Edut
- Mahdollisuus yritysbonukseen, johon vaikuttavat osittain organisaation ja henkilökohtaiset tulokset
- Työnantajan tarjoama 401(k)-eläkesäästöjärjestelmä
- Eläkejärjestelmä
- Lomapäivät
- Sairausvakuutus
- Hammashoito
- Näönhoito
- Reseptilääkekorvaukset
- Joustavat kulukorvausvaihtoehdot terveydenhuoltoon ja/tai huollettavien hoitoon
- Henkivakuutus ja kuolemantapausetuudet
- Vapaa- ja poissaolo-ohjelmat
- Hyvinvointituki, kuten työntekijöiden tukiohjelma, kuntoilumahdollisuudet sekä työntekijäkerhot ja -aktiviteetit
- Työntekijöiden resurssiryhmät