AI kutatási vezető, AI az onkológiai klinikai fejlesztésben

Stack

Feladatok

• ▹A korai és késői fázisú onkológiai klinikai fejlesztés AI-stratégiájának és ütemtervének közös alakítása
• ▹Technikai vezetés mátrixcsapatokban összetett, nagy téttel bíró AI-programok határidőre szállításában
• ▹Élvonalbeli AI-módszerek értékelése és fejlesztése: problémamegfogalmazás, adatkészültség, governance, algoritmusfejlesztés, validáció és bevezetés
• ▹Együttműködés a klinikai fejlesztési, biometriai, szabályozási és vizsgálati csapatokkal az AI-megoldások beépítésére
• ▹Szigorú kiértékelési keretrendszerek, benchmarkprotokollok és kalibrációs tervek kidolgozása
• ▹Együttműködések kiépítése és fenntartása akadémiai csoportokkal, technológiai partnerekkel és iparági konzorciumokkal
• ▹Az AstraZeneca képviselete tudományos konferenciákon, első vagy utolsó szerzős publikációk vezető ML- és klinikai AI-folyóiratokban
• ▹Kollégák mentorálása, rövid távú eredmények elérése, majd újrahasznosítható platformokká és módszertanokká skálázása

Elvárások

• ▹PhD kvantitatív tudományterületen (például informatika, bioinformatika, számítási biológia, matematika, fizika, biofizika, számítási idegtudomány, biostatisztika)
• ▹2–5 év PhD utáni munkatapasztalat mérhető eredményekkel (például leszállított modellek, szabadalmak, SaMD-bejelentések, első szerzős publikációk, nyílt forráskódú projektek, szabványügyi részvétel)
• ▹Kiváló szoftverfejlesztési és kódolási készség, élvonalbeli kódoló ágens-keretrendszerek használatával
• ▹Mély gépi tanulási alapismeretek, szakértelem legalább egy területen: alapmodellek tanítása és hangolása, Bayes-i következtetés, időbeli modellezés, multimodális integráció és modellezés, modellkalibráció és doménadaptáció, adatközpontú AI, modell- és adatkiértékelés és benchmarking, modellértelmezhetőség, modell post-training és alignment

Előny

• ▹Mély szakértelem a rákbiológiában
• ▹Tapasztalat biológiai adatokkal: molekuláris (DNS, RNS, fehérje), képalkotó (radiológia, mikroszkópia) vagy klinikai szöveges adatok (EHR, klinikai jegyzetek)
• ▹Tapasztalat a gyógyszerfejlesztésben: klinikai vizsgálat tervezése, biomarker-felfedezés, kísérődiagnosztika, adagolás, biztonság, végpontok, szabályozás
• ▹Tapasztalat több telephelyet és terápiás területet átfogó, mátrix szervezetben
• ▹Az ágens-alapú eszközök használata a napi tudásmunka kiegészítésére
• ▹Naprakészség a legújabb AI-kutatásokban és eszközökben

Soft skillek

Amit kínálunk

• ▹Közös munka klinikusokkal, statisztikusokkal, mérnökökkel és termékvezetőkkel egy térben
• ▹Modern eszközök és erőforrások a kísérletezéshez
• ▹Valódi döntéseket befolyásoló, pivotális vizsgálatokra ható munka

A munkáltatóról

Az AstraZeneca olyan vállalat, ahol a digitális megoldások és az adatok a felfedezéstől a klinikumig az egész folyamatba be vannak ágyazva, és az AI-t a vizsgálatok okosabbá, gyorsabbá és a betegek számára kíméletesebbé tételére használják.