Xenon Seven
Xenon Seven
Xenon Seven оказывает консалтинговые услуги в области искусственного интеллекта и данных организациям в сферах здравоохранения, финансовых услуг, розничной торговли, технологий, автомобилестроения, энергетики и производства. Компания работает с генеративным ИИ, прогнозной аналитикой, компьютерным зрением, робототехникой и поддержкой принятия решений, помогая командам оценивать возможности, развивать и масштабировать компетенции в области ИИ и совершенствовать лежащую в их основе инфраструктуру. В работе компания опирается на сеть специалистов по ИИ из более чем 20 учреждений и уделяет особое внимание безопасному внедрению и надежному переходу к операциям с использованием ИИ.

Специалист по клиническим данным: цифровые двойники и клинические исследования

Создаёт цифровых двойников и симуляции для планирования клинических исследований лекарственных препаратов. Объединяет клинические данные с ИИ и машинным обучением, чтобы обосновывать решения на основе доказательств.

Описание

  • Руководить разработкой и оценкой цифровых двойников пациентов, заболеваний, ответа на лечение и клинических исследований с использованием данных исследований и релевантных внешних данных.
  • Применять механистические, статистические, причинно-следственные методы и методы машинного обучения для создания цифровых двойников альтернативных популяций, вмешательств, схем дозирования, конечных точек и дизайнов исследований.
  • Определять сценарии применения и совместно с клиническими и количественными экспертами устанавливать, как будут использоваться цифровые двойники.
  • Оценивать калибровку, валидацию, устойчивость, переносимость, неопределённость и практическую значимость моделей с помощью внутренних и внешних стратегий.
  • Создавать воспроизводимые рабочие процессы и повторно используемые компоненты цифровых двойников для разных программ и терапевтических областей.
  • Совместно с командами исследований оценивать целевые популяции, критерии включения, стратегии обогащения выборки, группы сравнения, конечные точки, графики визитов, схемы дозирования и операционные компромиссы.
  • Использовать цифровых двойников и симуляции для сравнения сценариев, количественной оценки неопределённости и обоснования решений на основе моделей.
  • Координировать работу со статистиками и фармакометристами, чтобы согласовать анализы с клиническими и регуляторными целями.
  • Разъяснять техническим и нетехническим заинтересованным сторонам допущения, ограничения и выводы, значимые для принятия решений.
  • Анализировать и объединять данные клинических исследований, биомаркеры, результаты визуализации, цифровые медицинские данные, омиксные данные, результаты, сообщаемые пациентами, и данные реальной клинической практики.
  • Взаимодействовать с командами инженерии данных и платформ, чтобы готовить наборы данных для анализа, внедрять проверки качества данных, отслеживание их происхождения и воспроизводимые конвейеры обработки.
  • Готовить научную документацию, презентации и публикации, а также содействовать ответственному внедрению методов цифровых двойников.
  • До разработки моделей определять их предполагаемое применение, контекст принятия решений, критерии успеха и ограничения.
  • Обеспечивать интерпретируемость, возможность аудита и воспроизводимость моделей, а также подтверждать их доказательствами.
  • Соблюдать требования к управлению данными, конфиденциальности, безопасности и научной экспертизе клинических данных и результатов аналитики.
  • Отделять поисковый анализ от подтверждённых данных для поддержки принятия решений и точно описывать возможности моделей.

Требования

  • Степень PhD в области науки о данных, статистики, биостатистики, фармакометрии, информатики, биомедицинской информатики, инженерии, математики, исследования операций или смежной количественной дисциплины.
  • Подтверждённый опыт создания цифровых двойников, виртуальных пациентов, моделей прогрессирования заболеваний, симуляций клинических исследований, синтетических контрольных групп или аналогичных вычислительных моделей.
  • Глубокие знания и опыт применения машинного обучения, статистического моделирования, причинно-следственного анализа или симуляций к биомедицинским, медицинским, фармацевтическим либо другим сложным научным данным.
  • Уверенное программирование на Python, R или сопоставимом аналитическом языке; опыт работы с системами контроля версий и воспроизводимыми рабочими процессами.
  • Достаточное знание клинической разработки для постановки актуальных вопросов и эффективной работы с клиническими и количественными экспертами по исследованиям.
  • Способность и заинтересованность в углублении знаний о дизайне клинических исследований совместно с клиническими учёными, биостатистиками и фармакометристами.
  • Сильные навыки письменной и устной коммуникации, подтверждённый опыт эффективного межфункционального научного сотрудничества.
  • Предпочтителен опыт поддержки дизайна клинических исследований, разработки протоколов, формирования стратегии клинической разработки, разработки лекарств с опорой на модели или подготовки количественных данных для взаимодействия с регуляторными органами.
  • Знакомство с темами дизайна исследований, включая выбор конечных точек, предположения о размере выборки или статистической мощности, отбор пациентов или обогащение выборки, продольные исходы, пропущенные данные, адаптивные дизайны или критерии принятия решений.
  • Знание архитектуры и валидации цифровых двойников, причинно-следственного анализа, байесовского моделирования, анализа выживаемости, продольного моделирования, симуляций клинических исследований или синтетических контрольных групп.
  • Опыт работы со стандартами клинических данных и распространёнными источниками данных клинической разработки.
  • Опыт работы с биомаркерами, визуализацией, омиксными данными, цифровыми медицинскими данными или данными реальной клинической практики, включая интеграцию нескольких типов данных.
  • Опыт использования масштабируемых облачных аналитических сред.
  • Подтверждённый опыт преобразования аналитической работы в решения, повторно используемые возможности, публикации, презентации или другие измеримые научные результаты.

Похожие вакансии

Ritchie Bros.

Ведущий специалист по данным, Чикаго (гибридный формат)

Ritchie Bros.

Руководите командами специалистов по данным при создании масштабируемых решений машинного обучения и продвинутой аналитики. Сотрудничайте с ИТ-службой, руководством, продуктовыми командами и другими заинтересованными сторонами в рамках общеорганизационных инициатив.

Открыть
Ritchie Bros.

Ведущий специалист по данным

Ritchie Bros.

Руководите командой специалистов по данным, разрабатывающей масштабируемые решения машинного обучения и расширенной аналитики для бизнеса. Управляйте специалистами и наставляйте их, контролируйте разработку моделей и взаимодействуйте с ИТ, продуктовой командой, руководством и другими заинтересованными сторонами.

Открыть
Capital One

Менеджер по данным и машинному обучению — стратегия альтернативных данных

Capital One

Руководите работой специалистов по данным в Capital One, оценивая альтернативные данные для принятия решений по кредитным картам в США. Создавайте модели машинного обучения, признаки данных и масштабируемые системы мониторинга.

Открыть
COUNTRY Financial®

Старший специалист по данным

COUNTRY Financial®
5 001 – 10 000 Сотрудники
ИнвестицииСтрахованиеФинансы

Создавайте прогнозные модели и решения на основе ИИ для страховых и инвестиционных услуг COUNTRY Financial. Применяйте продвинутую аналитику, прогнозирование и оптимизацию, чтобы добиваться измеримых результатов для бизнеса.

Открыть
Grubhub

Старший штатный специалист по данным, маркетплейс

Grubhub

Определяйте направление развития Data Science и машинного обучения для маркетплейса Wonder, задавая подходы к причинному выводу, экспериментам и промышленным системам. Руководите технической работой между командами и помогайте превращать модели и аналитику в бизнес-результаты.

Открыть