Syneos Health potpuno je integrirana organizacija za biofarmaceutska rješenja koja klijentima pomaže uvesti terapije od kliničkog razvoja do komercijalne primjene. Njezini timovi objedinjuju kliničke usluge, medicinske poslove, komercijalne aktivnosti, tehnologiju i uvide u tržište kako bi odgovorili na promjenjive potrebe zdravstvene skrbi te podržali razvoj i lansiranje važnih terapija diljem svijeta.
Viši biostatističar – biomarkeri, umjetna inteligencija i duboko učenje
Vodite analize biomarkera i genomike primjenom napredne statistike i dubokog učenja kako biste podržali klinička istraživanja i razvoj lijekova u području bioloških znanosti u tvrtki Syneos Health.
Opis
- Koordinirati međufunkcionalno planiranje, provedbu i analizu genomskih i drugih biomarkerskih komponenti u kliničkim studijama i studijama biomarkera.
- Djelovati kao projektni biostatističar za biomarkere uz podršku iskusnog statističara.
- Izrađivati planove evaluacije biomarkera za dodijeljene studije.
- Doprinositi statističkim stručnim znanjem raspravama o kliničkom razvoju te primjenjivati metode umjetne inteligencije i strojnog učenja.
- Koordinirati statističke radne tokove koji podržavaju istraživanje i razvoj biomarkera.
- Planirati i provoditi napredne analize genomskih i biomarkerskih podataka.
- Pisati statističke programe i razvijati složene analitičke algoritme.
- Analizirati skupove podataka RNA, Olink i drugih biomarkera.
- Pripremati točna izvješća o evaluaciji biomarkera i objašnjavati njihove nalaze.
- Samostalno rješavati rutinska i složena statistička pitanja, potrebe modeliranja i analitičke zadatke.
- Izrađivati i primjenjivati standardizirane postupke za rutinske evaluacije biomarkera.
Zahtjevi
- Doktorat ili magisterij iz biostatistike, statistike, matematike ili srodnog područja.
- Izražene pisane, usmene i međuljudske komunikacijske vještine.
- Sposobnost učinkovitog samostalnog rada i rada u suradnji s drugima.
- Sposobnost rada uz minimalan nadzor.
- Dokazano iskustvo u razvoju i implementaciji modela dubokog učenja pomoću alata PyTorch, TensorFlow ili Keras.
- Dobro poznavanje algoritama strojnog učenja i statističkih metoda, uključujući analizu preživljenja i upravljanje batch efektima, primijenjenih u farmaceutskom istraživanju ili otkrivanju biomarkera.
- Poznavanje metoda objašnjive umjetne inteligencije, kao što su SHAP, atribucija pažnje i kontrafaktualna analiza.
- Razumijevanje kvantifikacije nesigurnosti za interpretaciju biomarkera.
- Iskustvo samostalnog vođenja studije biomarkera.
- Prethodno iskustvo u kliničkim ispitivanjima je poželjno.
- Iskustvo u industriji je poželjno.
- Dobro razumijevanje evaluacije biomarkera, osobito u području imunologije i infekcija, dijabetesa tipa 1, relevantnih parametara i povezane biologije.
- Napredno poznavanje alata za statističko programiranje, uključujući R, Bioconductor, R pakete za genetske podatke i Python.
- Iskustvo u radu s visokodimenzionalnim skupovima podataka.
- Mogu se prihvatiti usporedivo iskustvo, vještine ili obrazovanje.
Pogodnosti
- Mogućnosti za razvoj i napredovanje u karijeri.
- Podržavajuće i angažirano neposredno vodstvo.
- Edukacija iz tehničkih i terapijskih područja.
- Programi međusobnog priznavanja kolega.
- Program ukupnih nagrada.
- Inkluzivna radna kultura.
- Razumne prilagodbe kada je to prikladno.