„Eli Lilly and Company“ yra tarptautinė farmacijos ir sveikatos priežiūros bendrovė, daugiausia dėmesio skirianti receptinių vaistų atradimui, kūrimui, gamybai ir komercializavimui. Jos veikla apima tokias terapijos sritis kaip diabetas, onkologija, imunologija, neurologija ir skausmo gydymas, derinant mokslinius tyrimus ir plėtrą su klinikiniais tyrimais, reguliavimo procesais, biologinių bei mažų molekulių vaistų gamyba ir pasauliniu platinimu.
Taikomojo dirbtinio intelekto inžinierius, klinikinė informatika — Eli Lilly, Bostonas, darbas biure
Kurk taikomojo dirbtinio intelekto ir mašininio mokymosi sprendimus Eli Lilly klinikinių tyrimų, biobankų ir transliacinės medicinos programoms. Naudok klinikinius, molekulinius ir populiacijos duomenis pacientų fenotipams apibūdinti ir įrodymams būsimiems gydymo būdams kurti.
Aprašymas
- Kurk ir paruošk gamybai agentinio dirbtinio intelekto įrankius, leidžiančius tyrėjams natūralia kalba teikti užklausas klinikiniams duomenims
- Naudok biomedicinines ontologijas, tyrimų registrus ir kuruojamus biologinių kelių išteklius, kad paieška papildyto generavimo rezultatai būtų pagrįsti patikrintomis biologinėmis žiniomis
- Taikyk neprižiūrimus ir savarankiškai prižiūrimus metodus pacientų archetipams ir molekuliniams ligų potipiams nustatyti tyrimų bei biobankų duomenų rinkiniuose
- Kurk išgyvenamumo analizes ir dinaminių gydymo režimų vertintojus iš integruotų klinikinių ir omikos kintamųjų
- Suvienodink įvairius klinikinių tyrimų ir biobankų šaltinius į bendras duomenų reprezentacijas
- Po diegimo vertink ir nuolat stebėk modelių kokybę, saugą bei veikimo patikimumą
- Koordinuok tiekėjus, rangovus ir išorės partnerius, remiančius Lilly tyrimų programas
- Kurk SDTM ir ADaM pagrįstus procesus užrakintoms tyrimų duomenų bazėms, naudojamoms antrinėms ir tiriamosioms analizėms
- Analizuok užbaigtus tyrimus, ieškodamas pogrupių poveikio, gydymo heterogeniškumo ir reaguojančių bei nereaguojančių pacientų dėsningumų
- Taikyk NLP nepageidaujamų reiškinių aprašams, klinikinėms pastaboms ir tyrėjų komentarams, kad nustatytum galimus saugos signalus
- Atkurk išilgines pacientų ligos istorijas, kad ištirtum ligos progresavimą, atsako į gydymą kinetiką ir laiką iki įvykio
- Kurk tarp tyrimų atliekamos metaanalizės ir integruotus procesus, apimančius užbaigtus klinikinius tyrimus
- Naudok dideles biobankų kohortas, įskaitant UK Biobank ir All of Us, išoriniam validavimui ir duomenų praturtinimui
- Įgyvendink atkuriamus tyrimų procesus naudodamas duomenų versijų valdymą, konteinerizuotą skaičiavimą ir auditui paruoštus analizės įrašus
- Atlik tyrimus laikydamasis HIPAA, BDAR bei taikomų IRB ir etikos komitetų standartų
Reikalavimai
- Magistro laipsnis biomedicininės informatikos, skaičiavimo biologijos, bioinformatikos, statistinės genetikos, epidemiologijos, kompiuterių mokslo ar susijusios kiekybinės disciplinos srityje arba MD/PhD laipsnis, suteikiantis lygiavertę transliacinės duomenų mokslo patirties gelmę, ir bent šešerių metų tyrimų patirtis naudojant klinikinių tyrimų duomenų rinkinius (SDTM/ADaM), biobankų duomenis ar didelius populiacijos sveikatos duomenų rinkinius
- Doktorantūros laipsnis biomedicininės informatikos, skaičiavimo biologijos, bioinformatikos, statistinės genetikos, epidemiologijos, kompiuterių mokslo ar susijusios kiekybinės disciplinos srityje arba MD/PhD laipsnis, suteikiantis lygiavertę transliacinės duomenų mokslo patirties gelmę, ir bent trejų metų tyrimų patirtis naudojant klinikinių tyrimų duomenų rinkinius (SDTM/ADaM), biobankų duomenis ar didelius populiacijos sveikatos duomenų rinkinius
- Įrodyta patirtis diegiant dirbtinio intelekto įrankius klinikinių duomenų analizei gamybinėje aplinkoje
- Pažangūs Python ir (arba) R įgūdžiai mašininiam mokymuisi ir statistiniam modeliavimui
- Puikios SQL žinios
- Patirtis naudojant debesijos tyrimų skaičiavimo platformas, pageidautina DNAnexus, AWS, Google Cloud, Azure ar didelio našumo skaičiavimo klasterius
- Praktinės pažangių generatyvinio dirbtinio intelekto metodų, įskaitant LLM derinimą ir bazinių modelių mokymą nuo pradžių, žinios
- Patirtis dirbant didelio našumo skaičiavimo aplinkose
- Išsamios CDISC standartų, įskaitant SDTM ir ADaM, žinios
- Įrodyta išgyvenamumo analizės, priežastinio išvedimo, NLP ir giliojo mokymosi taikymo klinikiniuose ar genomikos tyrimuose patirtis
- Geras OMOP CDM, HL7 FHIR Genomics ir pirmaujančių biomedicininių ontologijų išmanymas
- Praktinė tyrimų patirtis su pagrindiniais viešais ir ribotos prieigos biobankais, įskaitant UK Biobank ir All of Us
- Patirtis taikant federuotąjį mokymąsi, diferencialų privatumą ar saugaus skaičiavimo metodus kelių vietų biomedicininiuose tyrimuose
- Recenzuotų publikacijų klinikinio dirbtinio intelekto, transliacinės informatikos, genomikos ar susijusioje srityje sąrašas
- Tikslinio tyrimo sistemos ir jos naudojimo su biobankų duomenimis išmanymas
- Farmakogenomikos, vaistų atsako modeliavimo ar klinikinių tyrimų PK/PD analizės žinios
- Patirtis kuriant biomedicininių žinių grafus, taikant grafų mašininį mokymąsi ar naudojant ontologijomis pagrįstą samprotavimą
- Praktinė kelių omikų duomenų rinkinių analizės patirtis
- Gebėjimas laikytis HIPAA, BDAR ir taikomų IRB bei etikos komitetų reikalavimų
Privalumai
- Galimybė gauti įmonės premiją, kurią iš dalies lemia organizacijos ir individualūs rezultatai
- Darbdavio finansuojamas 401(k) planas
- Pensijų planas
- Atostogos
- Medicininis draudimas
- Dantų priežiūros draudimas
- Regėjimo priežiūros draudimas
- Receptinių vaistų draudimas
- Lanksčios išlaidų kompensavimo galimybės sveikatos priežiūrai ir (arba) išlaikomų asmenų priežiūrai
- Gyvybės draudimas ir išmokos mirties atveju
- Poilsio ir atostogų programos
- Gerovės palaikymas, pavyzdžiui, darbuotojų pagalbos programa, sporto galimybės bei darbuotojų klubai ir veiklos
- Darbuotojų išteklių grupės