臨床資料科學家：數位孿生與臨床試驗
建構數位孿生與模擬，協助設計藥品臨床試驗。整合臨床資料、人工智慧與機器學習，為循證開發決策提供依據。
說明
- 運用臨床試驗資料及相關外部資料，主導患者、疾病、治療反應與臨床試驗數位孿生的開發及評估。
- 運用機制、統計、因果推論與機器學習方法，為不同族群、介入措施、給藥策略、終點及試驗設計建立數位孿生。
- 與臨床及定量領域專家共同設定應用情境，並定義數位孿生的使用方式。
- 透過內部及外部策略評估模型校準、驗證、穩健性、可移轉性、不確定性與實務關聯性。
- 在不同計畫與治療領域建立可重現的工作流程及可重複使用的數位孿生元件。
- 與試驗團隊合作，評估目標族群、納入條件、富集策略、對照組、終點、訪視時程、給藥策略及作業權衡。
- 運用數位孿生與模擬比較不同情境、量化不確定性，並為模型導向決策提供依據。
- 與統計學家及藥物計量學家協調，讓分析符合臨床與法規目標。
- 向技術及非技術相關人士說明假設、限制及與決策相關的發現。
- 分析並整合臨床試驗資料、生物標記、影像、數位健康資料、體學、患者自陳結果及真實世界資料。
- 與資料工程及平台團隊合作，準備可供分析的資料集，並建立資料品質檢查、資料沿革紀錄及可重現的管線。
- 撰寫科學文件、簡報及論文，並支持負責任地採用數位孿生方法。
- 在開發模型前，訂定預期用途、決策情境、成功標準與限制。
- 確保模型具可解釋性、可稽核性、可重現性，並有證據支持。
- 遵循臨床資料與分析產出相關的治理、隱私、安全及科學審查要求。
- 區分探索性分析與經驗證的決策支援證據，並準確呈現模型能力。
職位要求
- 具資料科學、統計學、生物統計學、藥物計量學、電腦科學、生物醫學資訊學、工程學、數學、作業研究或相關定量學科博士學位。
- 具備建構數位孿生、虛擬患者、疾病進程模型、臨床試驗模擬、合成對照或類似計算模型的實務經驗。
- 在將機器學習、統計建模、因果推論或模擬應用於生物醫學、醫療、製藥或其他複雜科學資料方面具備扎實背景。
- 具備扎實的 Python、R 或同類分析語言程式能力，並有版本控制及可重現工作流程的經驗。
- 具備足夠的臨床開發知識，能提出相關問題並與臨床及定量試驗專家有效合作。
- 能夠且有意願與臨床科學家、生物統計學家及藥物計量學家合作，拓展臨床試驗設計知識。
- 具備優秀的書面與口頭溝通能力，並有有效跨職能科學合作的實績。
- 優先條件：具備臨床試驗設計支援、試驗計畫制定、臨床開發策略、模型導向藥物開發或法規溝通定量證據方面的經驗。
- 熟悉試驗設計主題，例如終點策略、樣本數或檢定力假設、患者篩選或富集、縱向結果、遺漏資料、適應性設計或決策標準。
- 了解數位孿生架構與驗證、因果推論、貝葉斯建模、生存分析、縱向建模、臨床試驗模擬或合成對照。
- 具備臨床資料標準及臨床開發常見資料來源的相關經驗。
- 具備生物標記、影像、體學、數位健康或真實世界資料經驗，包括整合多種資料類型。
- 具備使用可擴充雲端分析環境的經驗。
- 曾將分析工作轉化為決策、可重複使用的能力、論文、簡報或其他可衡量科學成果。
