LogoFresh Jobs Ahead
Xenon Seven
Xenon Seven
11 – 50 Anställda
Hälso- och sjukvårdKonsultverksamhetTillverkning
Xenon Seven erbjuder AI- och datakonsulttjänster till organisationer inom hälso- och sjukvård, finansiella tjänster, detaljhandel, teknik, fordonsindustri, energi och tillverkning. Arbetet omfattar generativ AI, prediktiv analys, datorseende, robotik och beslutsstöd och hjälper team att bedöma möjligheter, utveckla och skala upp AI-kapacitet samt förbättra den bakomliggande infrastrukturen. Företaget samlar AI-specialister från fler än 20 institutioner och betonar säker implementering och tillförlitliga övergångar till AI-stödd verksamhet.
LinkedIn
Jobb på företaget

Klinisk datavetare inom digitala tvillingar och kliniska prövningar

Utvecklar digitala tvillingar och simuleringar som vägleder utformningen av kliniska läkemedelsprövningar. Kombinerar kliniska data med AI och maskininlärning för att stödja evidensbaserade utvecklingsbeslut.

USUSAILIllinoisOHOhioHybridHeltidMellannivåSeniorObligatoriskt Språk: engelskaDataforskare
MolnPython

Beskrivning

  • Leda utvecklingen och utvärderingen av digitala tvillingar av patienter, sjukdomar, behandlingssvar och kliniska prövningar med hjälp av data från kliniska prövningar och relevanta externa data.
  • Tillämpa mekanistiska, statistiska och kausala metoder samt maskininlärning för att skapa digitala tvillingar för alternativa populationer, interventioner, doseringsstrategier, utfallsmått och prövningsdesigner.
  • Fastställa användningsfall och tillsammans med kliniska experter och kvantitativa experter definiera hur digitala tvillingar ska användas.
  • Utvärdera modellernas kalibrering, validering, robusthet, överförbarhet, osäkerhet och praktiska relevans med interna och externa strategier.
  • Bygga reproducerbara arbetsflöden och återanvändbara komponenter för digitala tvillingar inom olika program och terapiområden.
  • Samarbeta med prövningsteamen för att bedöma målpopulationer, inklusionskriterier, strategier för berikning, jämförelsealternativ, utfallsmått, besöksscheman, doseringsstrategier och operativa avvägningar.
  • Använda digitala tvillingar och simuleringar för att jämföra scenarier, kvantifiera osäkerhet och vägleda modellbaserade beslut.
  • Samordna analyser med statistiker och farmakometriker så att de stämmer överens med kliniska mål och regulatoriska mål.
  • Förklara antaganden, begränsningar och beslutsrelevanta resultat för tekniska och icke-tekniska intressenter.
  • Analysera och integrera data från kliniska prövningar, biomarkörer, bilddiagnostik, digital hälsa, omik, patientrapporterade utfall och verkliga vårddata.
  • Samarbeta med dataingenjörs- och plattformsteam för att ta fram analysklara datamängder och införa datakvalitetskontroller, spårbarhet och reproducerbara dataflöden.
  • Ta fram vetenskaplig dokumentation, presentationer och publikationer samt stödja ett ansvarsfullt införande av metoder med digitala tvillingar.
  • Fastställa avsedd användning, beslutsram, framgångskriterier och begränsningar innan modeller utvecklas.
  • Säkerställa att modellerna är tolkningsbara, granskningsbara, reproducerbara och evidensbaserade.
  • Följa krav på styrning, integritet, säkerhet och vetenskaplig granskning för kliniska data och analytiska resultat.
  • Hålla explorativa analyser åtskilda från validerat beslutsunderlag och beskriva modellernas förmåga korrekt.

Krav

  • Doktorsexamen i datavetenskap, statistik, biostatistik, farmakometri, datavetenskap, biomedicinsk informatik, teknik, matematik, operationsanalys eller ett närliggande kvantitativt ämne.
  • Dokumenterad erfarenhet av att bygga digitala tvillingar, virtuella patienter, sjukdomsförloppsmodeller, simuleringar av kliniska prövningar, syntetiska kontrollgrupper eller liknande beräkningsmodeller.
  • Gedigen bakgrund inom tillämpning av maskininlärning, statistisk modellering, kausal inferens eller simulering på biomedicinska data, vårddata, läkemedelsdata eller andra komplexa vetenskapliga data.
  • Goda programmeringskunskaper i Python, R eller ett jämförbart analysspråk samt erfarenhet av versionshantering och reproducerbara arbetsflöden.
  • Tillräckliga kunskaper om klinisk utveckling för att formulera relevanta frågor och samarbeta effektivt med kliniska experter och kvantitativa prövningsexperter.
  • Förmåga och intresse av att fördjupa kunskaperna om utformning av kliniska prövningar tillsammans med kliniska forskare, biostatistiker och farmakometriker.
  • Mycket god skriftlig och muntlig kommunikationsförmåga samt dokumenterad förmåga att samarbeta vetenskapligt över funktionsgränser.
  • Meriterande: erfarenhet av stöd vid utformning av kliniska prövningar, protokollutveckling, strategi för klinisk utveckling, modellinformerad läkemedelsutveckling eller kvantitativt underlag för regulatoriska ändamål.
  • Kännedom om ämnen inom prövningsdesign, såsom strategi för utfallsmått, antaganden om stickprovsstorlek eller statistisk styrka, patienturval eller berikning, longitudinella utfall, saknade data, adaptiva designer eller beslutskriterier.
  • Kunskap om arkitektur och validering av digitala tvillingar, kausal inferens, Bayesiansk modellering, överlevnadsanalys, longitudinell modellering, simulering av kliniska prövningar eller syntetiska kontrollgrupper.
  • Erfarenhet av standarder för kliniska data och vanliga datakällor inom klinisk utveckling.
  • Erfarenhet av biomarkörer, bilddiagnostik, omik, digital hälsa eller verkliga vårddata, inklusive integrering av flera datatyper.
  • Erfarenhet av skalbara, molnbaserade analysmiljöer.
  • Dokumenterade resultat där analytiskt arbete har omsatts i beslut, återanvändbara förmågor, publikationer, presentationer eller andra mätbara vetenskapliga resultat.

Relaterade jobb

Capital One

Chef, data scientist – strategi för alternativa data

Capital One
Sponsor för H1B-visumBankverksamhetFinansFintech
USUSAILIllinoisNYNew YorkVAVirginia
179 400 $ – 245 600 $ / år
HybridHeltidMellannivåSeniorObligatoriskt Språk: engelskaDataforskare
AWSMolnÖppen källkodPythonSpark

Led datavetenskapligt arbete på Capital One för att utvärdera alternativa data för kreditbeslut inom amerikanska kortverksamheten. Utveckla maskininlärningsmodeller, datafunktioner och skalbara system för övervakning.

Öppna