Eli Lilly and Company is een multinationaal farmaceutisch en gezondheidszorgbedrijf dat zich richt op het ontdekken, ontwikkelen, produceren en op de markt brengen van geneesmiddelen op recept. De activiteiten omvatten therapeutische gebieden zoals diabetes, oncologie, immunologie, neurowetenschappen en pijnbestrijding. Daarbij combineert het bedrijf onderzoek en ontwikkeling met klinische onderzoeken, regelgevingsprocessen, de productie van biologische en kleinemoleculaire geneesmiddelen en wereldwijde distributie.
Applied-AI-engineer Klinische Informatica — Eli Lilly, op locatie in Boston
Ontwikkel toegepaste AI- en machinelearningmogelijkheden voor de klinische onderzoeken, biobanken en programma’s voor translationele geneeskunde van Eli Lilly. Gebruik klinische, moleculaire en populatiegegevens om patiëntfenotypen te karakteriseren en bewijs voor toekomstige therapieën te genereren.
Beschrijving
- Ontwikkel en breng agentische AI-tools in productie waarmee onderzoekers klinische gegevens in natuurlijke taal kunnen bevragen
- Gebruik biomedische ontologieën, onderzoeksregisters en samengestelde pathway-bronnen om retrieval-augmented-generation-uitvoer te onderbouwen met geverifieerde biologische kennis
- Pas ongesuperviseerde en zelfgesuperviseerde methoden toe om patiëntarchetypen en moleculaire ziektesubtypen in onderzoeks- en biobankdatasets te identificeren
- Bouw overlevingsanalyses en schatters voor dynamische behandelregimes op basis van geïntegreerde klinische en omics-variabelen
- Standaardiseer uiteenlopende bronnen uit klinische onderzoeken en biobanken tot gedeelde datamodellen
- Beoordeel en monitor na implementatie voortdurend de modelkwaliteit, veiligheid en operationele betrouwbaarheid
- Coördineer leveranciers, opdrachtnemers en externe partners die onderzoeksprogramma’s van Lilly ondersteunen
- Ontwikkel SDTM- en ADaM-gebaseerde pipelines voor vergrendelde onderzoeksdatabases die worden gebruikt voor secundaire en verkennende analyses
- Analyseer afgeronde onderzoeken op subgroepseffecten, behandelingsheterogeniteit en patronen van responders en non-responders
- Pas NLP toe op meldingen van ongewenste voorvallen, klinische notities en opmerkingen van onderzoekers om mogelijke veiligheidssignalen bloot te leggen
- Reconstructeer longitudinale patiëntgeschiedenissen om ziekteprogressie, de kinetiek van de behandelrespons en time-to-event-eindpunten te bestuderen
- Ontwerp meta-analyses over meerdere onderzoeken en integratieve workflows voor afgeronde klinische onderzoeken
- Gebruik grote biobankcohorten, waaronder UK Biobank en All of Us, voor externe validatie en verrijking van gegevens
- Implementeer reproduceerbare onderzoeksprocessen met versiebeheer van gegevens, gecontaineriseerde computing en auditklare analyserapporten
- Voer onderzoek uit in overeenstemming met HIPAA, AVG en de toepasselijke normen van IRB’s en ethische commissies
Vereisten
- Masterdiploma in biomedische informatica, computationele biologie, bio-informatica, statistische genetica, epidemiologie, informatica of een verwante kwantitatieve discipline, of een MD/PhD met gelijkwaardige diepgang in translationele datawetenschap, plus minimaal zes jaar onderzoekservaring met datasets van klinische onderzoeken (SDTM/ADaM), biobankgegevens of grote datasets over volksgezondheid
- Doctoraat in biomedische informatica, computationele biologie, bio-informatica, statistische genetica, epidemiologie, informatica of een verwante kwantitatieve discipline, of een MD/PhD met gelijkwaardige diepgang in translationele datawetenschap, plus minimaal drie jaar onderzoekservaring met datasets van klinische onderzoeken (SDTM/ADaM), biobankgegevens of grote datasets over volksgezondheid
- Aantoonbare ervaring met het in productie implementeren van AI-tools voor de analyse van klinische gegevens
- Gevorderde vaardigheden in Python en/of R voor machinelearning en statistische modellering
- Sterke SQL-vaardigheden
- Ervaring met cloudplatforms voor onderzoekscomputing, bij voorkeur DNAnexus, AWS, Google Cloud, Azure of high-performance-computingclusters
- Praktische kennis van geavanceerde generatieve-AI-technieken, waaronder het finetunen van LLM’s en het vanaf nul trainen van foundationmodellen
- Ervaring met high-performance-computingomgevingen
- Uitgebreide kennis van CDISC-standaarden, waaronder SDTM en ADaM
- Aantoonbare toepassing van overlevingsanalyse, causale inferentie, NLP en deep learning in klinisch of genomisch onderzoek
- Sterk begrip van OMOP CDM, HL7 FHIR Genomics en toonaangevende biomedische ontologieën
- Praktische onderzoekservaring met grote openbare en beperkt toegankelijke biobanken, waaronder UK Biobank en All of Us
- Ervaring met het toepassen van federated learning, differentiële privacy of veilige-computatiemethoden op biomedisch onderzoek op meerdere locaties
- Publicatierecord in peer-reviewed tijdschriften op het gebied van klinische AI, translationele informatica, genomica of een verwante discipline
- Vertrouwdheid met het target-trial-framework en het gebruik daarvan met biobankgegevens
- Kennis van farmacogenomica, modellering van geneesmiddelrespons of PK/PD-analyse van klinische onderzoeken
- Ervaring met het bouwen van biomedische kennisgrafen, graph machine learning of redeneren op basis van ontologieën
- Praktische ervaring met het analyseren van multi-omicsdatasets
- Vermogen om te voldoen aan de vereisten van HIPAA, AVG en toepasselijke IRB- en ethische-commissienormen
Voordelen
- Mogelijkheid om in aanmerking te komen voor een bedrijfsbonus die deels wordt beïnvloed door organisatorische en individuele resultaten
- Door de werkgever gesponsord 401(k)-plan
- Pensioenregeling
- Vakantieverlof
- Medische dekking
- Tandheelkundige dekking
- Oogzorgdekking
- Dekking voor geneesmiddelen op recept
- Flexibele uitgavenopties voor gezondheidszorg en/of zorg voor personen ten laste
- Levensverzekering en overlijdensuitkeringen
- Verlof- en vrijetijdsprogramma’s
- Ondersteuning van welzijn, zoals een ondersteuningsprogramma voor werknemers, fitnessaanbod en werknemersclubs en -activiteiten
- Medewerkersnetwerkgroepen