Eli Lilly and Company — международная фармацевтическая и медицинская компания, занимающаяся открытием, разработкой, производством и коммерциализацией рецептурных лекарственных препаратов. Её деятельность охватывает такие терапевтические направления, как диабетология, онкология, иммунология, неврология и обезболивание, и включает научные исследования и разработки, клинические испытания, регуляторные процедуры, производство биологических и низкомолекулярных препаратов, а также их глобальную дистрибуцию.
Инженер по прикладному ИИ, клиническая информатика — Eli Lilly, работа в офисе в Бостоне
Разрабатывайте возможности прикладного ИИ и машинного обучения для клинических исследований, биобанков и программ трансляционной медицины Eli Lilly. Используйте клинические, молекулярные и популяционные данные для характеристики фенотипов пациентов и формирования доказательной базы для будущих терапевтических решений.
Описание
- Создавать и внедрять в промышленную эксплуатацию агентные инструменты ИИ, позволяющие исследователям запрашивать клинические данные на естественном языке
- Использовать биомедицинские онтологии, реестры исследований и тщательно отобранные ресурсы по биологическим путям для обоснования результатов генерации с дополнением извлечёнными данными проверенными биологическими знаниями
- Применять методы обучения без учителя и самоконтролируемого обучения для выявления архетипов пациентов и молекулярных подтипов заболеваний в наборах данных исследований и биобанков
- Создавать анализы выживаемости и оценщики динамических режимов лечения на основе интегрированных клинических и омиксных переменных
- Стандартизировать разнообразные источники данных клинических исследований и биобанков в общие представления данных
- Оценивать и постоянно контролировать качество, безопасность и операционную надёжность моделей после внедрения
- Координировать работу поставщиков, подрядчиков и внешних партнёров, поддерживающих исследовательские программы Lilly
- Разрабатывать конвейеры на основе SDTM и ADaM для зафиксированных баз данных исследований, используемых во вторичном и исследовательском анализе
- Анализировать завершённые исследования на предмет эффектов в подгруппах, неоднородности лечения и закономерностей у респондеров и нереспондеров
- Применять NLP к описаниям нежелательных явлений, клиническим заметкам и комментариям исследователей для выявления потенциальных сигналов безопасности
- Восстанавливать продольные истории пациентов для изучения прогрессирования заболеваний, кинетики ответа на лечение и временных конечных точек
- Проектировать межисследовательские метааналитические и интеграционные рабочие процессы для завершённых клинических исследований
- Использовать крупные когорты биобанков, включая UK Biobank и All of Us, для внешней валидации и обогащения данных
- Внедрять воспроизводимые исследовательские процессы с контролем версий данных, контейнерными вычислениями и готовыми к аудиту записями анализа
- Проводить исследования в соответствии с требованиями HIPAA, GDPR и применимыми стандартами институциональных наблюдательных советов и комитетов по этике
Требования
- Степень магистра в области биомедицинской информатики, вычислительной биологии, биоинформатики, статистической генетики, эпидемиологии, информатики или смежной количественной дисциплины либо степень MD/PhD с сопоставимой глубиной знаний в области трансляционной науки о данных, а также не менее шести лет исследовательского опыта работы с наборами данных клинических исследований (SDTM/ADaM), данными биобанков или крупными наборами данных о здоровье населения
- Докторская степень в области биомедицинской информатики, вычислительной биологии, биоинформатики, статистической генетики, эпидемиологии, информатики или смежной количественной дисциплины либо степень MD/PhD с сопоставимой глубиной знаний в области трансляционной науки о данных, а также не менее трёх лет исследовательского опыта работы с наборами данных клинических исследований (SDTM/ADaM), данными биобанков или крупными наборами данных о здоровье населения
- Подтверждённый опыт внедрения инструментов ИИ в промышленную эксплуатацию для анализа клинических данных
- Продвинутые навыки Python и/или R для машинного обучения и статистического моделирования
- Высокий уровень владения SQL
- Опыт использования облачных платформ для исследовательских вычислений, предпочтительно DNAnexus, AWS, Google Cloud, Azure или кластеров высокопроизводительных вычислений
- Практическое знание передовых методов генеративного ИИ, включая дообучение больших языковых моделей и обучение базовых моделей с нуля
- Опыт работы в средах высокопроизводительных вычислений
- Глубокое знание стандартов CDISC, включая SDTM и ADaM
- Подтверждённый опыт применения анализа выживаемости, каузального вывода, NLP и глубокого обучения в клинических или геномных исследованиях
- Глубокое понимание OMOP CDM, HL7 FHIR Genomics и ведущих биомедицинских онтологий
- Практический исследовательский опыт работы с крупными общедоступными биобанками и биобанками с ограниченным доступом, включая UK Biobank и All of Us
- Опыт применения федеративного обучения, дифференциальной приватности или методов защищённых вычислений в многоплощадочных биомедицинских исследованиях
- Публикации в рецензируемых изданиях по клиническому ИИ, трансляционной информатике, геномике или смежной дисциплине
- Знакомство с концепцией целевого исследования и её применением к данным биобанков
- Знание фармакогеномики, моделирования ответа на лекарственные препараты или анализа PK/PD в клинических исследованиях
- Опыт создания графов биомедицинских знаний, применения графового машинного обучения или онтологического вывода
- Практический опыт анализа мультиомных наборов данных
- Способность соблюдать требования HIPAA, GDPR и применимые требования институциональных наблюдательных советов и комитетов по этике
Преимущества
- Право на участие в корпоративной бонусной программе, размер выплат по которой частично зависит от результатов организации и сотрудника
- Пенсионный план 401(k) с участием работодателя
- Пенсионный план
- Отпуск
- Медицинское страхование
- Стоматологическое страхование
- Страхование зрения
- Покрытие расходов на рецептурные препараты
- Гибкие варианты расходов на медицинское обслуживание и/или уход за иждивенцами
- Страхование жизни и выплаты в случае смерти
- Программы оплачиваемого отсутствия и отпусков
- Поддержка благополучия, включая программу помощи сотрудникам, фитнес-программы, клубы и мероприятия для сотрудников
- Ресурсные группы сотрудников