Eli Lilly and Company je večnacionalno farmacevtsko in zdravstveno podjetje, osredotočeno na odkrivanje, razvoj, proizvodnjo in trženje zdravil na recept. Njegovo delovanje zajema terapevtska področja, kot so sladkorna bolezen, onkologija, imunologija, nevroznanost in obvladovanje bolečine, pri čemer povezuje raziskave in razvoj s kliničnimi preskušanji, regulativnimi postopki, proizvodnjo bioloških zdravil in zdravil z majhnimi molekulami ter globalno distribucijo.
Inženir uporabne umetne inteligence, klinična informatika — Eli Lilly, delo na lokaciji v Bostonu
Razvijajte uporabno umetno inteligenco in strojno učenje za klinična preskušanja, biobanke in programe translacijske medicine družbe Eli Lilly. Uporabljajte klinične, molekularne in populacijske podatke za opredeljevanje fenotipov bolnikov ter pridobivanje dokazov za prihodnje terapije.
Opis
- Ustvarjanje in priprava agentskih orodij umetne inteligence za produkcijo, ki raziskovalcem omogočajo poizvedovanje po kliničnih podatkih v naravnem jeziku
- Uporaba biomedicinskih ontologij, registrov preskušanj in kuriranih virov o bioloških poteh za utemeljevanje rezultatov generiranja z razširjenim pridobivanjem na preverjenem biološkem znanju
- Uporaba nenadzorovanih in samonadzorovanih metod za prepoznavanje bolnikovih arhetipov in molekularnih podtipov bolezni v podatkovnih zbirkah preskušanj in biobank
- Izdelava analiz preživetja in ocenjevalnikov dinamičnih režimov zdravljenja iz integriranih kliničnih in omičnih spremenljivk
- Standardizacija raznolikih virov kliničnih preskušanj in biobank v skupne predstavitve podatkov
- Ocenjevanje in stalno spremljanje kakovosti, varnosti ter operativne zanesljivosti modelov po uvedbi
- Usklajevanje dobaviteljev, pogodbenih izvajalcev in zunanjih partnerjev, ki podpirajo raziskovalne programe družbe Lilly
- Razvoj cevovodov na podlagi SDTM in ADaM za zaklenjene podatkovne zbirke preskušanj, uporabljene pri sekundarnih in raziskovalnih analizah
- Analiziranje zaključenih preskušanj glede učinkov v podskupinah, heterogenosti zdravljenja ter vzorcev odziva ali neodziva
- Uporaba NLP na pripovedih o neželenih dogodkih, kliničnih zapiskih in komentarjih raziskovalcev za odkrivanje morebitnih varnostnih signalov
- Rekonstrukcija vzdolžnih zgodovin bolnikov za proučevanje napredovanja bolezni, kinetike odziva na zdravljenje in končnih točk do dogodka
- Načrtovanje metaanaliz med študijami in integrativnih delovnih tokov, ki zajemajo zaključena klinična preskušanja
- Uporaba velikih kohort biobank, vključno z UK Biobank in All of Us, za zunanjo validacijo in obogatitev podatkov
- Vzpostavitev ponovljivih raziskovalnih postopkov z različicami podatkov, kontejnerskim računanjem in revizijsko pripravljenimi zapisi analiz
- Izvajanje raziskav v skladu s HIPAA, GDPR ter veljavnimi standardi komisij IRB in etičnih komisij
Zahteve
- Magisterij iz biomedicinske informatike, računalniške biologije, bioinformatike, statistične genetike, epidemiologije, računalništva ali sorodne kvantitativne discipline oziroma MD/PhD z enakovredno globino translacijske podatkovne znanosti ter najmanj šest let raziskovalnih izkušenj z nabori podatkov kliničnih preskušanj (SDTM/ADaM), podatki biobank ali velikimi nabori podatkov o zdravju prebivalstva
- Doktorski naziv iz biomedicinske informatike, računalniške biologije, bioinformatike, statistične genetike, epidemiologije, računalništva ali sorodne kvantitativne discipline oziroma MD/PhD z enakovredno globino translacijske podatkovne znanosti ter najmanj tri leta raziskovalnih izkušenj z nabori podatkov kliničnih preskušanj (SDTM/ADaM), podatki biobank ali velikimi nabori podatkov o zdravju prebivalstva
- Dokazane izkušnje z uvajanjem orodij umetne inteligence v produkcijo za analizo kliničnih podatkov
- Napredno znanje Pythona in/ali R za strojno učenje in statistično modeliranje
- Dobro znanje SQL
- Izkušnje z oblačnimi platformami za raziskovalno računalništvo, po možnosti DNAnexus, AWS, Google Cloud, Azure ali gruče za visokozmogljivo računalništvo
- Delovno znanje naprednih tehnik generativne umetne inteligence, vključno s finim prilagajanjem LLM in učenjem temeljnih modelov od začetka
- Izkušnje z delom v okoljih visokozmogljivega računalništva
- Celovito poznavanje standardov CDISC, vključno s SDTM in ADaM
- Dokazana uporaba analize preživetja, vzročnega sklepanja, NLP in globokega učenja v kliničnih ali genomskih raziskavah
- Dobro razumevanje OMOP CDM, HL7 FHIR Genomics in vodilnih biomedicinskih ontologij
- Praktične raziskovalne izkušnje z velikimi javnimi biobankami in biobankami z omejenim dostopom, vključno z UK Biobank in All of Us
- Izkušnje z uporabo federativnega učenja, diferencialne zasebnosti ali metod varnega računalništva v večlokacijskih biomedicinskih raziskavah
- Publikacije v strokovno pregledanih virih s področja klinične umetne inteligence, translacijske informatike, genomike ali sorodne discipline
- Poznavanje okvira ciljnega preskušanja in njegove uporabe s podatki biobank
- Poznavanje farmakogenomike, modeliranja odziva na zdravila ali analize PK/PD kliničnih preskušanj
- Izkušnje z izdelavo biomedicinskih grafov znanja, uporabo strojnega učenja na grafih ali ontološkega sklepanja
- Praktične izkušnje z analizo večomskih podatkovnih zbirk
- Sposobnost upoštevanja zahtev HIPAA, GDPR in veljavnih zahtev komisij IRB ter etičnih komisij
Ugodnosti
- Možnost pridobitve bonusa podjetja, na katerega delno vplivajo organizacijski in individualni rezultati
- Načrt 401(k), ki ga sponzorira delodajalec
- Pokojninski načrt
- Letni dopust
- Zdravstveno kritje
- Zobozdravstveno kritje
- Kritje za vid
- Kritje zdravil na recept
- Prilagodljive možnosti porabe za zdravstveno varstvo in/ali oskrbo vzdrževanih oseb
- Življenjsko zavarovanje in nadomestila ob smrti
- Programi dopusta in odsotnosti
- Podpora dobremu počutju, kot so program pomoči zaposlenim, možnosti za fitnes ter klubi in dejavnosti zaposlenih
- Skupine virov za zaposlene