mpathic
mpathic
mpathic, insan-yapay zekâ ve insan-insan etkileşimlerini anlamaya ve iyileştirmeye yönelik yapay zekâ güvenliği ve analitik yazılımları geliştirir. SaaS ürünleri ve API’leri; konuşmadan metne transkripsiyon, kişisel olarak tanımlanabilir bilgilerin gizlenmesi, davranış ve kontrol listesi analizi, kıyaslama veri kümeleri, kırmızı takım testleri ve Observing Agent API aracılığıyla alan bilgisine dayalı güvenlik kuralları desteği sunar. Şirket; empatiyi güçlendirmek, önyargıyı azaltmak ve daha güvenli, mevzuata daha uyumlu etkileşimleri desteklemek isteyen sağlık hizmetleri, yaşam bilimleri, klinik araştırma, sigorta ve kurumsal ekiplerle çalışır.

Sağlıkta Yapay Zekâ/ML Değerlendirme Uzmanı

mpathic’in mevzuat denetimli değerlendirmelerinde sağlık yapay zekâsına ilişkin kanıtları inceler. Klinik kullanım açısından model doğrulamasını, güvenilirliği, güvenlik önlemlerini ve izlemeyi değerlendirir.

Açıklama

  • Sağlık yapay zekâsı uygulamalarına ilişkin teknik kanıtları performans, doğrulama, genellenebilirlik, güvenilirlik, izleme ve güvenlik önlemleri bakımından değerlendirir.
  • Doğrulama yöntemlerini, referans standartlarını, örneklem büyüklüklerini, istatistiksel analizleri, ölçütleri, çalışma eşiklerini ve belirsizliği inceler.
  • Veri kalitesini ve temsiliyetini; veri sızıntısı, alt gruplar arasındaki farklılıklar ve hasta grupları ile bakım ortamları arasında genellenebilirlik dâhil olmak üzere değerlendirir.
  • Teknik güvenilirliği, sağlamlığı, tekrarlanabilirliği, hata türlerini ve alışılmadık ya da dağılım dışı girdilere verilen tepkileri sınar.
  • Pilot uygulamalara yönelik değerlendirme planlarını, kıyaslama ölçütlerini ve başarı kriterlerini inceler.
  • Teknik güvenlik önlemlerini, üst incelemeye yönlendirme yollarını ve insan gözetimi süreçlerini değerlendirir.
  • Performans düşüşünü saptama, model davranışını izleme, güncellemeleri ve müdahaleleri yönetme ve geri alma kriterlerini belirleme planlarını inceler.
  • Disiplinler arası konuları ele almak için klinisyenler ve teknik uzmanlarla birlikte çalışır.
  • Standart inceleme çerçevesini kullanarak güçlü yönleri, sınırlılıkları, kanıt eksiklerini ve teknik kaygıları kaydeder.
  • Kanıta dayalı, açık öneriler sunar ve gerekli kanıtları ya da değişiklikleri belirtir.
  • Değerlendiricilerin uyumlaştırma çalışmalarına ve kalite güvencesine katılır.
  • Çıkar çatışması ve veri işleme gerekliliklerine uyarak bağımsızlığını ve gizliliği korur.

Gereksinimler

  • Makine öğrenmesi, veri bilimi, biyoistatistik, klinik bilişim veya ilgili bir alanda en az üç yıllık profesyonel ya da uygulamalı araştırma deneyimi; tahmine dayalı modelleri veya yapay zekâ sistemlerini değerlendirme ya da doğrulama konusunda doğrudan çalışma dâhil.
  • Uygun performans ölçütleri, doğrulama tasarımı, istatistiksel belirsizlik, eşik seçimi ve yaygın yanlılık ya da yöntem hatası kaynakları dâhil model değerlendirme yöntemlerini anlama.
  • Bağımsız veya eğitim dışında tutulmuş verilerde model performansını değerlendirme ve sonuçların değerlendirme veri kümesinin ötesine genellenip genellenemeyeceğine karar verme deneyimi.
  • Klinik doğal dil işleme, büyük dil modelleri, sohbet tabanlı yapay zekâ, tıbbi görüntüleme, bilgisayarlı görü veya tablo biçimli tahmin modelleri gibi ilgili yapay zekâ sistemi türlerinden en az birini değerlendirmede uygulamalı deneyim.
  • Teknik araştırmaları, değerlendirme raporlarını veya doğrulama çalışmalarını eleştirel biçimde inceleyerek yöntemsel zayıflıkları ya da yeterince desteklenmeyen sonuçları belirleyebilme.
  • Güçlü analitik yazım becerileri ve karmaşık bulguları teknik olmayan kişilere açıkça anlatabilme.
  • Bağımsız çalışabilme ve çok disiplinli uzman incelemesine ve uyumlaştırma çalışmalarına katkıda bulunabilme.
  • Gizlilik sözleşmelerini ve çıkar çatışması bildirimlerini tamamlamaya, değerlendirici eğitimine katılmaya istekli olma.
  • Sağlık, klinik karar desteği, dijital sağlık veya başka bir yüksek riskli ortamda yapay zekâ ya da makine öğrenmesi sistemlerini değerlendirme deneyimi.
  • TRIPOD+AI, STARD-AI, CONSORT-AI, DECIDE-AI veya model kartları gibi klinik yapay zekâ değerlendirme ve raporlama çerçevelerine aşinalık.
  • Üretken yapay zekâ, büyük dil modeli tabanlı sistemler veya otonom ajanları; çok turlu davranış, güvenilirlik, halüsinasyonlar ve güvenlik önlemleri dâhil olmak üzere değerlendirme deneyimi.
  • Sağlamlık testleri, adversaryal değerlendirme, kırmızı takım çalışmaları veya sistematik hata türü analizi deneyimi.
  • Üretim ortamında izleme, dağılım kayması, model kayması, sürüm kontrolü ve değişiklik yönetimi bilgisi.
  • İnsan denetimli sistemler tasarlama ya da değerlendirme veya model performansını insan uzman değerlendirmeleriyle karşılaştırma deneyimi.
  • FDA’nın yapay zekâ destekli tıbbi cihazlar, klinik karar desteği veya tıbbi cihaz olarak yazılıma ilişkin kılavuzlarına aşinalık.
  • Bağımsız teknik incelemeler, bilimsel hakem değerlendirmeleri, hibe incelemeleri veya resmî teknoloji değerlendirmeleri yürütme deneyimi.
  • Yapay zekâ değerlendirmesi veya uygulamaya alınması konusunda klinisyenler, araştırmacılar ya da düzenleyici kurum paydaşlarıyla çalışma deneyimi.

Yan Haklar

  • İnceleme başına ödeme yapılan sözleşmeli çalışma.
  • İlk görevlendirmeden önce değerlendirme çerçevesi ve proje gerekliliklerini kapsayan değerlendirici bilgilendirmesi.

İlgili İş İlanları

Volga Partners

Sağlık Alanı Uzmanı, Yapay Zekâ Modeli Değerlendirmesi

Volga Partners
1.001 – 5.000 Çalışanlar
H1B Vizesi SponsoruB2BKurumsalYapay zekâ

Volga Partners, yapay zekâ tarafından oluşturulan tıbbi içeriklerin klinik doğruluğunu, akıl yürütmesini ve güvenliğini değerlendirecek hekimler, uzman hemşireler ve hekim asistanları arıyor. Uzaktan yürütülen proje bazlı sözleşmeli görevlerin kapsamı, proje ihtiyaçlarına göre değişiyor.

Aç