Eli Lilly and Company je nadnárodná farmaceutická a zdravotnícka spoločnosť zameraná na objavovanie, vývoj, výrobu a komercializáciu liekov na predpis. Jej činnosť zahŕňa terapeutické oblasti, ako sú cukrovka, onkológia, imunológia, neuroveda a liečba bolesti, pričom spája výskum a vývoj s klinickými skúškami, regulačnými procesmi, výrobou biologických liekov a liekov s malou molekulou a globálnou distribúciou.
Inžinier aplikovanej AI, klinická informatika — Eli Lilly, práca na pracovisku v Bostone
Vyvíjajte aplikované AI a strojové učenie pre klinické skúšania, biobanky a programy translačnej medicíny spoločnosti Eli Lilly. Využívajte klinické, molekulárne a populačné údaje na charakterizáciu fenotypov pacientov a získavanie dôkazov pre budúce liečivá.
Popis
- Vytvárať a pripravovať do produkcie agentické nástroje AI, ktoré výskumníkom umožnia vyhľadávať v klinických údajoch pomocou prirodzeného jazyka
- Používať biomedicínske ontológie, registre klinických skúšaní a kurátorované zdroje o biologických dráhach na ukotvenie výstupov generovania s rozšíreným vyhľadávaním v overených biologických poznatkoch
- Aplikovať neriadené a samoobslužné metódy na identifikáciu archetypov pacientov a molekulárnych podtypov ochorení naprieč súbormi údajov zo skúšaní a biobánk
- Vytvárať analýzy prežívania a odhady dynamických liečebných režimov z integrovaných klinických a omických premenných
- Štandardizovať rozmanité zdroje z klinických skúšaní a biobánk do zdieľaných dátových reprezentácií
- Vyhodnocovať a priebežne monitorovať kvalitu, bezpečnosť a prevádzkovú spoľahlivosť modelov po nasadení
- Koordinovať dodávateľov, zmluvných pracovníkov a externých partnerov podporujúcich výskumné programy spoločnosti Lilly
- Vyvíjať pipeline založené na SDTM a ADaM pre uzamknuté databázy skúšaní používané na sekundárne a prieskumné analýzy
- Analyzovať ukončené skúšania z hľadiska účinkov v podskupinách, heterogenity liečby a vzorcov odpovede alebo neodpovede
- Aplikovať NLP na opisy nežiaducich udalostí, klinické poznámky a komentáre skúšajúcich s cieľom odhaliť potenciálne bezpečnostné signály
- Rekonštruovať pozdĺžne histórie pacientov na skúmanie progresie ochorenia, kinetiky odpovede na liečbu a koncových ukazovateľov času do udalosti
- Navrhovať metaanalýzy naprieč štúdiami a integračné pracovné postupy pre ukončené klinické skúšania
- Využívať veľké kohorty biobánk vrátane UK Biobank a All of Us na externú validáciu a obohatenie údajov
- Implementovať reprodukovateľné výskumné operácie s verzovaním údajov, kontajnerizovaným výpočtom a záznamami analýz pripravenými na audit
- Vykonávať výskum v súlade s normami HIPAA, GDPR a príslušnými požiadavkami komisií IRB a etických komisií
Požiadavky
- Magisterské vzdelanie v biomedicínskej informatike, výpočtovej biológii, bioinformatike, štatistickej genetike, epidemiológii, informatike alebo príbuznom kvantitatívnom odbore, prípadne MD/PhD s rovnocennou hĺbkou v translačnej dátovej vede, a najmenej šesť rokov výskumnej praxe s údajmi z klinických skúšaní (SDTM/ADaM), biobankovými údajmi alebo rozsiahlymi údajmi o zdraví populácie
- Doktorandské vzdelanie v biomedicínskej informatike, výpočtovej biológii, bioinformatike, štatistickej genetike, epidemiológii, informatike alebo príbuznom kvantitatívnom odbore, prípadne MD/PhD s rovnocennou hĺbkou v translačnej dátovej vede, a najmenej tri roky výskumnej praxe s údajmi z klinických skúšaní (SDTM/ADaM), biobankovými údajmi alebo rozsiahlymi údajmi o zdraví populácie
- Preukázateľná prax s nasadzovaním produkčných nástrojov AI na analýzu klinických údajov
- Pokročilé znalosti Pythonu a/alebo R na strojové učenie a štatistické modelovanie
- Pokročilá znalosť SQL
- Skúsenosti s cloudovými platformami na výskumné výpočty, prednostne DNAnexus, AWS, Google Cloud, Azure alebo klastre vysokovýkonného počítania
- Pracovná znalosť pokročilých techník generatívnej AI vrátane dolaďovania LLM a trénovania základných modelov od začiatku
- Skúsenosti s prácou v prostrediach vysokovýkonného počítania
- Komplexná znalosť štandardov CDISC vrátane SDTM a ADaM
- Preukázaná aplikácia analýzy prežívania, kauzálnej inferencie, NLP a hlbokého učenia v klinickom alebo genomickom výskume
- Dôkladné porozumenie OMOP CDM, HL7 FHIR Genomics a popredným biomedicínskym ontológiám
- Praktický výskum s významnými verejnými a prístupovo obmedzenými biobankami vrátane UK Biobank a All of Us
- Skúsenosti s aplikáciou federovaného učenia, diferenciálneho súkromia alebo metód bezpečných výpočtov na multisite biomedicínsky výskum
- Publikačná činnosť v recenzovaných časopisoch v oblasti klinickej AI, translačnej informatiky, genomiky alebo príbuzného odboru
- Znalosť rámca cieľovej štúdie a jeho použitia s biobankovými údajmi
- Znalosť farmakogenomiky, modelovania odpovede na lieky alebo analýzy PK/PD v klinických skúšaniach
- Skúsenosti s vytváraním biomedicínskych znalostných grafov, aplikáciou strojového učenia na grafoch alebo využívaním ontologického usudzovania
- Praktické skúsenosti s analýzou multi-omických súborov údajov
- Schopnosť dodržiavať požiadavky HIPAA, GDPR a príslušných komisií IRB a etických komisií
Benefity
- Možnosť získať firemný bonus čiastočne ovplyvnený organizačnými a individuálnymi výsledkami
- Zamestnávateľom sponzorovaný plán 401(k)
- Dôchodkový plán
- Dovolenka
- Zdravotné poistenie
- Zubné poistenie
- Poistenie zraku
- Poistenie liekov na predpis
- Flexibilné možnosti výdavkov na zdravotnú starostlivosť a/alebo starostlivosť o závislé osoby
- Životné poistenie a dávky v prípade úmrtia
- Programy voľna a dovoleniek
- Podpora duševnej a fyzickej pohody, napríklad program pomoci zamestnancom, fitness aktivity a zamestnanecké kluby a aktivity
- Zamestnanecké združenia