Verily

1,001 – 5,000 Mga Empleyado

Sponsor ng H1B Visa Artipisyal na intelihensiya Pagkonsulta Pangangalagang pangkalusugan

Ang Verily ay isang AI-native na kompanya sa precision health na nagtatrabaho sa mga larangan ng pangangalagang pangkalusugan, klinikal na pananaliksik, at artificial intelligence. Sinusuportahan ng software at mga modelo nito ang mas mahuhulaan at mas personalized na pangangalaga sa pamamagitan ng mga tool gaya ng Verily Me, mga workflow ng clinician, at mga solusyon sa pangangalaga na tumutulong makilahok ang mga miyembro at gumabay sa kanilang mga layunin sa kalusugan. Bumubuo rin ang Verily ng mga produktong pananaliksik na nag-aayos at nagsesstandardisa ng multimodal na klinikal at real-world na data sa mga FHIR-native na format, upang matulungan ang mga team na isulong ang mga klinikal na pagsubok at makabuo ng mga insight. Itinatayo ng kompanya ang mga produkto nito na nakatuon sa klinikal at regulasyong kaligtasan, kabilang ang mga workflow sa pangangalaga at pananaliksik na pinapagana ng AI.

Mga Trabaho sa Kumpanya

Senior na Biostatistician – Klinikal na Pananaliksik

Pangasiwaan ang disenyo at pagsusuri ng mga estadistikang pag-aaral para sa mga produktong precision health ng Verily na pinapagana ng AI. Bumuo ng klinikal at real-world na ebidensya sa buong lifecycle ng produkto.

1 linggo ang nakalipas

$130,000 – $196,000 / taon

Hybrid Full-time Senior Kinakailangang Wika: Ingles Klinikal na pananaliksik

Python

Paglalarawan

Magbigay ng pamumuno sa estadistika at disenyo ng pag-aaral mula sa pagsusuri ng pagiging posible at preclinical assessment hanggang sa klinikal na validation at pagmamanman pagkatapos ng paglalabas sa merkado
Pangasiwaan ang estadistikang pagpaplano at pagsusuri sa bawat yugto ng lifecycle ng produkto
Makipagtulungan sa mga team ng medisina, produkto, engineering, data science, regulasyon, at operasyon upang magtakda ng mga layunin ng pag-aaral, estimand, estratehiyang analitikal, at pamantayan sa pagpapasya
Suriin ang klinikal, eksperimental, obserbasyonal, real-world, at operasyonal na datos upang makabuo ng malinaw at madaling bigyang-kahulugang ebidensya
Suriin ang kalidad ng datos, bias, nawawalang datos, generalizability, performance ng modelo, at iba pang salik na nakaaapekto sa mga konklusyon ng pag-aaral
Ipakita ang mga disenyo ng pag-aaral, palagay, natuklasan, limitasyon, at rekomendasyon sa mga protocol, ulat, presentasyon, dashboard, at mga forum na may iba’t ibang tungkulin
Tukuyin ang mga banta sa integridad ng siyensya, generalizability, interpretasyong regulatori, at mga desisyon sa produkto habang nagrerekomenda ng praktikal na pamamaraang nagbabalanse sa higpit, pagiging posible, at mga takdang panahon

Mga Kinakailangan

Master’s degree o mas mataas sa biostatistics, statistics, epidemiology, data science, bioinformatics, biomedical informatics, o kaugnay na disiplinang kwantitatibo
Hindi bababa sa limang taong paglalapat ng mga estadistikang pamamaraan sa klinikal, biomedical, health technology, medical device, pharmaceutical, diagnostics, o life sciences research
Napatunayang kakayahang magdisenyo at magsuri ng obserbasyonal na pag-aaral, interventional clinical study, at real-world data study para sa pagbuo ng ebidensya o mga desisyon sa produkto
Mahusay sa R at/o Python para sa pagsusuri ng mga kumplikadong dataset sa life sciences, biomedical, o healthcare
Karanasan sa pagbuo ng ebidensya para sa diagnostics, medical device, digital health, o mga klinikal na produktong pinapagana ng AI/ML
Karanasan sa pagtatrabaho sa mga produktong nasa reguladong healthcare setting, kabilang ang mga pagsusumite sa FDA o iba pang awtoridad sa kalusugan
Karanasan sa paggamit ng iba’t ibang pinagmumulan ng healthcare data tulad ng EHR, claims, registry, datos mula sa device, sensor, imaging, resulta ng laboratoryo, o patient-reported outcomes
Praktikal na karanasan sa paggamit ng datos mula sa digital na produkto bilang pangunahing pinagmumulan ng ebidensya, kabilang ang pagtugon sa nawawalang datos, error sa pagsukat, at mga pamamaraang angkop sa tuloy-tuloy na digital measures
Karanasan sa pagsulat ng mga protocol ng pag-aaral, statistical analysis plan, teknikal na ulat, at publication-ready na pagsusuri
Kaalaman sa Bayesian methods, adaptive trial designs, o causal inference para sa obserbasyonal at real-world data studies
Karanasan sa reproducible research practices, Git o katumbas na version control, at makabagong coding tools, kabilang ang AI-assisted development tools kung naaangkop
Dapat awtorisadong magtrabaho sa Estados Unidos nang hindi nangangailangan ng employer-sponsored work authorization ngayon o sa hinaharap

Mga Benepisyo

Pagkakataong makatanggap ng bonus
Equity compensation
Mga benepisyo ng empleyado