Eli Lilly and Company — міжнародна фармацевтична та медична компанія, що займається відкриттям, розробленням, виробництвом і комерціалізацією рецептурних лікарських засобів. Її діяльність охоплює такі терапевтичні напрями, як діабетологія, онкологія, імунологія, неврологія та знеболення, і включає наукові дослідження та розробки, клінічні випробування, регуляторні процедури, виробництво біологічних і низькомолекулярних препаратів, а також їхню глобальну дистрибуцію.
Інженер із прикладного ШІ, клінічна інформатика — Eli Lilly, робота в офісі в Бостоні
Розробляйте можливості прикладного ШІ та машинного навчання для клінічних досліджень, біобанків і програм трансляційної медицини Eli Lilly. Використовуйте клінічні, молекулярні та популяційні дані для характеристики фенотипів пацієнтів і формування доказової бази для майбутніх терапевтичних рішень.
Опис
- Створювати й упроваджувати у промислову експлуатацію агентні інструменти ШІ, що дають змогу дослідникам запитувати клінічні дані природною мовою
- Використовувати біомедичні онтології, реєстри досліджень і ретельно дібрані ресурси біологічних шляхів, щоб обґрунтовувати результати генерації з доповненням пошуком перевіреними біологічними знаннями
- Застосовувати методи навчання без учителя та самокерованого навчання для виявлення архетипів пацієнтів і молекулярних підтипів захворювань у наборах даних досліджень і біобанків
- Створювати аналізи виживаності та оцінювачі динамічних режимів лікування на основі інтегрованих клінічних і оміксних змінних
- Стандартизувати різноманітні джерела даних клінічних досліджень і біобанків у спільні представлення даних
- Оцінювати й постійно контролювати якість, безпеку та операційну надійність моделей після впровадження
- Координувати постачальників, підрядників і зовнішніх партнерів, які підтримують дослідницькі програми Lilly
- Розробляти конвеєри на основі SDTM і ADaM для зафіксованих баз даних досліджень, що використовуються у вторинному та дослідницькому аналізі
- Аналізувати завершені дослідження щодо ефектів у підгрупах, неоднорідності лікування та закономірностей у респондерів і нереспондерів
- Застосовувати NLP до описів небажаних явищ, клінічних нотаток і коментарів дослідників для виявлення потенційних сигналів безпеки
- Відновлювати поздовжні історії пацієнтів для вивчення прогресування захворювань, кінетики відповіді на лікування та часових кінцевих точок
- Проєктувати міждослідницькі метааналітичні та інтеграційні робочі процеси для завершених клінічних досліджень
- Використовувати великі когорти біобанків, зокрема UK Biobank і All of Us, для зовнішньої валідації та збагачення даних
- Упроваджувати відтворювані дослідницькі процеси з контролем версій даних, контейнерними обчисленнями та готовими до аудиту записами аналізу
- Проводити дослідження відповідно до вимог HIPAA, GDPR і застосовних стандартів інституційних наглядових рад та комітетів з етики
Вимоги
- Ступінь магістра в галузі біомедичної інформатики, обчислювальної біології, біоінформатики, статистичної генетики, епідеміології, інформатики або суміжної кількісної дисципліни чи ступінь MD/PhD із відповідною глибиною знань у галузі трансляційної науки про дані, а також щонайменше шість років дослідницького досвіду роботи з наборами даних клінічних досліджень (SDTM/ADaM), даними біобанків або великими наборами даних про здоров’я населення
- Докторський ступінь у галузі біомедичної інформатики, обчислювальної біології, біоінформатики, статистичної генетики, епідеміології, інформатики або суміжної кількісної дисципліни чи ступінь MD/PhD із відповідною глибиною знань у галузі трансляційної науки про дані, а також щонайменше три роки дослідницького досвіду роботи з наборами даних клінічних досліджень (SDTM/ADaM), даними біобанків або великими наборами даних про здоров’я населення
- Підтверджений досвід упровадження інструментів ШІ у промислову експлуатацію для аналізу клінічних даних
- Високий рівень володіння Python та/або R для машинного навчання і статистичного моделювання
- Впевнене володіння SQL
- Досвід використання хмарних платформ для дослідницьких обчислень, бажано DNAnexus, AWS, Google Cloud, Azure або кластерів високопродуктивних обчислень
- Практичне знання передових методів генеративного ШІ, зокрема донавчання великих мовних моделей і навчання базових моделей із нуля
- Досвід роботи в середовищах високопродуктивних обчислень
- Ґрунтовне знання стандартів CDISC, зокрема SDTM і ADaM
- Підтверджений досвід застосування аналізу виживаності, каузального висновування, NLP і глибокого навчання у клінічних або геномних дослідженнях
- Глибоке розуміння OMOP CDM, HL7 FHIR Genomics і провідних біомедичних онтологій
- Практичний дослідницький досвід роботи з великими загальнодоступними біобанками та біобанками з обмеженим доступом, зокрема UK Biobank і All of Us
- Досвід застосування федеративного навчання, диференційованої приватності або методів захищених обчислень у багатосайтових біомедичних дослідженнях
- Публікації в рецензованих виданнях із клінічного ШІ, трансляційної інформатики, геноміки або суміжної дисципліни
- Знайомство з концепцією цільового дослідження та її використанням із даними біобанків
- Знання фармакогеноміки, моделювання відповіді на лікарські засоби або аналізу PK/PD у клінічних дослідженнях
- Досвід побудови графів біомедичних знань, застосування графового машинного навчання або онтологічного міркування
- Практичний досвід аналізу мультиомних наборів даних
- Здатність дотримуватися вимог HIPAA, GDPR і застосовних вимог інституційних наглядових рад та комітетів з етики
Переваги
- Право на участь у корпоративній бонусній програмі, розмір виплат за якою частково залежить від результатів організації та працівника
- Пенсійний план 401(k) за участю роботодавця
- Пенсійний план
- Час для відпустки
- Медичне страхування
- Стоматологічне страхування
- Страхування зору
- Покриття витрат на рецептурні препарати
- Гнучкі варіанти витрат на медичне обслуговування та/або догляд за утриманцями
- Страхування життя та виплати у разі смерті
- Програми відсутності на роботі та відпусток
- Підтримка добробуту, зокрема програма допомоги працівникам, фітнес-програми, клуби й заходи для працівників
- Ресурсні групи працівників