Eli Lilly and Company est une entreprise pharmaceutique et de santé multinationale qui se consacre à la découverte, au développement, à la fabrication et à la commercialisation de médicaments sur ordonnance. Ses activités couvrent des domaines thérapeutiques tels que le diabète, l’oncologie, l’immunologie, les neurosciences et la douleur, en associant la recherche et le développement aux essais cliniques, aux processus réglementaires, à la production de médicaments biologiques et de petites molécules, ainsi qu’à la distribution mondiale.
Ingénieur(e) en IA appliquée, informatique clinique — Eli Lilly, sur site à Boston
Développer des capacités d’IA appliquée et d’apprentissage automatique pour les essais cliniques, les biobanques et les programmes de médecine translationnelle d’Eli Lilly. Utiliser des données cliniques, moléculaires et populationnelles pour caractériser les phénotypes des patients et produire des données probantes pour de futurs traitements.
Description
- Créer et mettre en production des outils d’IA agentique permettant aux chercheurs d’interroger des données cliniques en langage naturel
- Utiliser des ontologies biomédicales, des registres d’essais et des ressources sélectionnées sur les voies biologiques afin d’ancrer les résultats de génération augmentée par récupération dans des connaissances biologiques vérifiées
- Appliquer des méthodes non supervisées et auto-supervisées pour identifier des archétypes de patients et des sous-types moléculaires de maladies dans des ensembles de données d’essais et de biobanques
- Élaborer des analyses de survie et des estimateurs dynamiques de régimes thérapeutiques à partir de variables cliniques et omiques intégrées
- Standardiser diverses sources d’essais cliniques et de biobanques dans des représentations de données communes
- Évaluer et surveiller en continu la qualité, la sécurité et la fiabilité opérationnelle des modèles après leur déploiement
- Coordonner les fournisseurs, prestataires et partenaires externes qui soutiennent les programmes de recherche de Lilly
- Développer des pipelines fondés sur SDTM et ADaM pour des bases de données d’essais verrouillées utilisées dans des analyses secondaires et exploratoires
- Analyser les essais terminés afin d’identifier les effets de sous-groupes, l’hétérogénéité des traitements et les profils de réponse ou de non-réponse
- Appliquer le TAL aux récits d’événements indésirables, aux notes cliniques et aux commentaires des investigateurs afin de détecter d’éventuels signaux de sécurité
- Reconstituer les historiques longitudinaux des patients pour étudier la progression des maladies, la cinétique de la réponse aux traitements et les critères de jugement de délai avant événement
- Concevoir des flux de travail de méta-analyse inter-études et d’intégration couvrant des essais cliniques terminés
- Utiliser de grandes cohortes de biobanques, notamment UK Biobank et All of Us, pour la validation externe et l’enrichissement des données
- Mettre en œuvre des opérations de recherche reproductibles avec contrôle de version des données, informatique conteneurisée et enregistrements d’analyse prêts pour l’audit
- Mener les recherches conformément à la loi HIPAA, au RGPD et aux normes applicables des comités d’éthique et de protection des personnes
Exigences
- Master en informatique biomédicale, biologie computationnelle, bioinformatique, génétique statistique, épidémiologie, informatique ou discipline quantitative connexe, ou diplôme de médecine et doctorat avec une expertise équivalente en science des données translationnelle, ainsi qu’au moins six ans d’expérience de recherche utilisant des ensembles de données d’essais cliniques (SDTM/ADaM), des données de biobanques ou de grands ensembles de données de santé populationnelle
- Doctorat en informatique biomédicale, biologie computationnelle, bioinformatique, génétique statistique, épidémiologie, informatique ou discipline quantitative connexe, ou diplôme de médecine et doctorat avec une expertise équivalente en science des données translationnelle, ainsi qu’au moins trois ans d’expérience de recherche utilisant des ensembles de données d’essais cliniques (SDTM/ADaM), des données de biobanques ou de grands ensembles de données de santé populationnelle
- Expérience avérée du déploiement en production d’outils d’IA pour l’analyse de données cliniques
- Maîtrise avancée de Python et/ou R pour l’apprentissage automatique et la modélisation statistique
- Solide maîtrise de SQL
- Expérience des plateformes de calcul en nuage pour la recherche, de préférence DNAnexus, AWS, Google Cloud, Azure ou des grappes de calcul haute performance
- Connaissance pratique des techniques avancées d’IA générative, notamment du réglage fin des LLM et de l’entraînement de modèles de fondation à partir de zéro
- Expérience dans des environnements de calcul haute performance
- Connaissance approfondie des normes CDISC, notamment SDTM et ADaM
- Expérience démontrée de l’application de l’analyse de survie, de l’inférence causale, du TAL et de l’apprentissage profond à la recherche clinique ou génomique
- Bonne compréhension d’OMOP CDM, de HL7 FHIR Genomics et des principales ontologies biomédicales
- Expérience pratique de recherche avec de grandes biobanques publiques et à accès restreint, notamment UK Biobank et All of Us
- Expérience de l’application de l’apprentissage fédéré, de la confidentialité différentielle ou de méthodes de calcul sécurisé à la recherche biomédicale multisite
- Publications évaluées par les pairs en IA clinique, informatique translationnelle, génomique ou discipline connexe
- Familiarité avec le cadre de l’essai cible et son utilisation avec des données de biobanques
- Connaissance de la pharmacogénomique, de la modélisation de la réponse aux médicaments ou de l’analyse PK/PD des essais cliniques
- Expérience de la création de graphes de connaissances biomédicales, de l’application de l’apprentissage automatique sur graphes ou du raisonnement fondé sur des ontologies
- Expérience pratique de l’analyse d’ensembles de données multiomiques
- Capacité à respecter les exigences de la loi HIPAA, du RGPD et des comités d’éthique et de protection des personnes applicables
Avantages
- Éligibilité à une prime d’entreprise influencée en partie par les résultats organisationnels et individuels
- Plan 401(k) financé par l’employeur
- Régime de retraite
- Congés payés
- Couverture médicale
- Couverture dentaire
- Couverture optique
- Couverture des médicaments sur ordonnance
- Options de comptes de dépenses flexibles pour les soins de santé et/ou les personnes à charge
- Assurance vie et prestations de décès
- Programmes de congés et d’absences
- Soutien au bien-être, notamment un programme d’aide aux employés, des activités de remise en forme ainsi que des clubs et activités pour les employés
- Groupes de ressources pour les employés