临床数据科学家：数字孪生与临床试验
构建数字孪生与模拟，支持药物临床试验设计。融合临床数据、人工智能与机器学习，为循证开发决策提供依据。
描述
- 使用临床试验数据及相关外部数据，主导患者、疾病、治疗反应和临床试验数字孪生的开发与评估。
- 运用机制、统计、因果推断和机器学习方法，为不同人群、干预措施、给药方案、终点及试验设计创建数字孪生。
- 与临床及定量领域专家共同设定应用场景，并明确数字孪生的使用方式。
- 通过内部和外部策略评估模型校准、验证、稳健性、可迁移性、不确定性及实际相关性。
- 在不同项目和治疗领域构建可复现的工作流程及可复用的数字孪生组件。
- 与试验团队合作，评估目标人群、入选标准、富集策略、对照方案、终点、访视安排、给药策略及运营权衡。
- 利用数字孪生和模拟比较不同情境、量化不确定性，并为基于模型的决策提供依据。
- 与统计学家和药物计量学家协调，使分析与临床及监管目标保持一致。
- 向技术和非技术相关方说明假设、局限性及与决策相关的发现。
- 分析并整合临床试验数据、生物标志物、影像、数字健康数据、组学、患者报告结局及真实世界数据。
- 与数据工程和平台团队合作，准备可用于分析的数据集，并建立数据质量检查、数据沿袭记录及可复现的数据管道。
- 编写科学文档、演示材料和论文，并支持负责任地采用数字孪生方法。
- 在开发模型前，明确预期用途、决策背景、成功标准和局限性。
- 确保模型可解释、可审计、可复现，并有证据支持。
- 遵循临床数据和分析结果相关的治理、隐私、安全及科学审查要求。
- 将探索性分析与经验证的决策支持证据区分开来，并准确说明模型能力。
任职要求
- 拥有数据科学、统计学、生物统计学、药物计量学、计算机科学、生物医学信息学、工程学、数学、运筹学或相关定量学科的博士学位。
- 具备构建数字孪生、虚拟患者、疾病进展模型、临床试验模拟、合成对照或类似计算模型的实践经验。
- 在将机器学习、统计建模、因果推断或模拟应用于生物医学、医疗、制药或其他复杂科学数据方面具备扎实背景。
- 具备扎实的 Python、R 或同类分析语言编程能力，并有版本控制及可复现工作流程的经验。
- 具备足够的临床开发知识，能够提出相关问题，并与临床及定量试验专家有效合作。
- 能够并愿意与临床科学家、生物统计学家和药物计量学家合作，拓展临床试验设计知识。
- 具备出色的书面和口头沟通能力，并有跨职能科学协作的良好记录。
- 优先考虑：具备临床试验设计支持、方案制定、临床开发策略、模型指导药物开发或监管沟通定量证据方面的经验。
- 熟悉试验设计主题，例如终点策略、样本量或统计效能假设、患者筛选或富集、纵向结局、缺失数据、自适应设计或决策标准。
- 了解数字孪生架构与验证、因果推断、贝叶斯建模、生存分析、纵向建模、临床试验模拟或合成对照。
- 具备临床数据标准及临床开发常用数据来源方面的经验。
- 具备生物标志物、影像、组学、数字健康或真实世界数据方面的经验，包括多种数据类型的整合。
- 具备使用可扩展云端分析环境的经验。
- 有将分析工作转化为决策、可复用能力、论文、演示或其他可衡量科学成果的记录。
