Onos Health kehittää tekoälypohjaista kliinistä älykkyyttä mielenterveys- ja päihdepalvelujen maksajille. Sen alusta muuntaa jäsentymättömät kliiniset asiakirjat, kuten vastaanottomuistiinpanot, hoitosuunnitelmat ja arviot, oivalluksiksi, jotka tukevat hoidon laatua, palvelujen käytön hallintaa, ohjelmien eheyttä ja palveluntarjoajaverkoston hallintaa. Yrityksen ratkaisut kattavat mielenterveys- ja päihdepalvelut eri hoitotasoilla, kuten sovelletun käyttäytymisanalyysin (ABA), päihdehäiriöiden hoidon, lievät ja keskivaikeat mielenterveyden häiriöt sekä vakavat mielenterveyden häiriöt. Ne soveltuvat sairaala-, laitos-, PHP/IOP- ja avohoitoympäristöihin. Onos Health yhdistää maksajille suunnatun käyttöönoton, yritystason tietoturvan ja vastuullisen tekoälyn käytännöt. Sen tiimi toimii terveydenhuollon, sairausvakuutusten ja tekoälyn risteyskohdassa.
Staff-tason tekoälyohjelmistoinsinööri Onos Healthissa
Johda Onos Healthin terveydenhuollon data-alustan tekoälykehitystä rakentamalla LLM-järjestelmiä, kliinisiä arviointimalleja, skaalautuvia prosessointiputkia ja selitettäviä suosituksia.
Yhdysvallat
Kalifornia200 000 $ – 275 000 $ / vuosi
HybridityöKokoaikainenJohtavaVaadittu Kieli: englantiKoneoppimisinsinööriTekoälyinsinööriKuvaus
- Luo LLM- ja luonnollisen kielen ymmärtämisjärjestelmiä, jotka käsittelevät kliinisiä muistiinpanoja ja lääketieteellisiä asiakirjoja sekä poimivat niistä tietoa
- Luokittele potilaita hoidon tasoa koskevien ohjeiden perusteella ja tuota täsmällisiä suosituksia
- Määrittele LLM- ja tekoälyjärjestelmien kehityskäytännöt, arviointi- ja vertailukehykset sekä mallien hallintaperiaatteet
- Kehitä skaalautuvia dataputkia, jotka täyttävät tiukat tietosuoja- ja turvallisuusvaatimukset
- Tee yhteistyötä backend-insinöörien kanssa tekoäly- ja koneoppimisominaisuuksien integroimiseksi Onos-alustaan
- Rakenna ja ylläpidä tekoäly- ja dataputkia, jotka analysoivat potilastietoja ja parantavat kliinisiä arviointeja sekä terveydenhuollon laadunarviointeja
- Arvioi LLM-mallien suorituskykyä lääketieteellisistä potilastiedoista poimittujen todisteiden ja hoidon tason suositusten määrittämisessä
- Kehitä ja viimeistele järjestelmiä, jotka vastaanottavat lääketieteellisiä hoitostandardiasiakirjoja ja arvioivat hoitohenkilöstön ohjeidenmukaisuutta
- Luo selitettävän tekoälyn ratkaisuja, jotka selventävät mallien päätöksiä terveydenhuollon ammattilaisille
- Ota vastuullesi merkittävä osa Onos-alustasta ja osallistu backend- ja data engineering -kehitykseen varhaisena tiimin jäsenenä
Vaatimukset
- Vähintään viiden vuoden kokemus tuotantosovellusten rakentamisesta ja käyttöönotosta backend- tai data engineering -tehtävissä
- Kokemusta LLM-pohjaisten järjestelmien kehittämisestä siten, että ne vastaanottavat ja arvioivat jäsentämätöntä, toimialakohtaista aineistoa ja liittyvät käyttäjille näkyviin ominaisuuksiin
- Vahva ymmärrys LLM-mallien rajoituksista ja tekniikoista, joilla tuotetaan luotettavia, yhdenmukaisia ja täsmällisiä tuloksia
- Asiakaslähtöinen ajattelutapa ja motivaatio rakentaa laadukas käyttäytymisterveyden kliininen arviointimalli
- Yhteistyökykyinen työskentelytapa ja keskittyminen mitattavien tulosten saavuttamiseen
- Käytännön kokemusta potilastietojen hyödyntämisestä sen määrittämiseen, täyttävätkö potilashistoriat arviointi- tai päätöksentekokriteerit, kuten korvausluvan vaatimukset
- Tausta yleisosaajana toimivana backend-insinöörinä, joka pystyy työskentelemään monenlaisten vastuiden parissa
- Kokemusta dataputkien rakentamisesta Pythonilla ja siihen liittyvillä datatieteen tai koneoppimisen kirjastoilla
- Laaja kokemus terveydenhuollon datan käsittelystä ja HIPAA:n mukaisten parhaiden käytäntöjen soveltamisesta
- Ajantasaista tietämystä LLM- ja koneoppimisinfrastruktuureista sekä MLOps-käytännöistä
- Kokemusta AWS-palveluista, kuten ECS:stä, Bedrockista ja Cognitosta
- Kokemusta Dockerin käytöstä
- Kokemusta GitHub Actionsista
- Kokemusta Pythonista, Djangosta, Celerystä, django-ninjasta ja django-tenantsista
- Kokemusta PostgreSQL:stä AWS RDS:ssä ja S3:sta
- GitHubin, Jiran, CodeRabbitAI:n, Tuskin ja Clauden tuntemus
- Kokemusta lääketieteellisten tietojen hyödyntämisestä potilashistorioiden arviointiin
Edut
- Joustava hybridimalli, jossa toimistolla San Franciscon Financial Districtillä työskennellään kaksi tai kolme päivää viikossa, sekä etätyötä painottava kulttuuri
- Rajaton vuosiloma
- Palkallinen vanhempainvapaa
- Sairauskuluvakuutus sekä hammas- ja näkövakuutus
- Ennen verotusta maksettavat työmatkaedut
- 401(k)-eläkesäästösuunnitelma
- Merkittävä osakeomistusmahdollisuus varhaisena työntekijänä
- Suora mentorointi kokeneilta perustajilta
- Mahdollisuus vaikuttaa tiimin ja yrityksen kulttuuriin varhaisessa vaiheessa
- Säännölliset tiimitapahtumat ja työskentelyjaksot muualla
- Yrityksen tarjoamat työvälineet ja kotitoimiston varustus