Должность: Директор, Health Data Science
Местоположение: FL113 / Кембридж, Массачусетс, США
О нас
FL113 — быстро развивающаяся компания в области диагностики на базе ИИ с амбициозной целью: определить будущее превентивной и проактивной медицинской помощи. Мы создаем продукты, которые помогают выявлять заболевания до того, как они станут видимыми, предоставляют пациентам и командам медицинских работников раннюю информацию и позволяют проводить значимые вмешательства до того, как болезнь прогрессирует и причинит необратимый вред. Наша команда объединяет исследователей в области машинного обучения, серийных предпринимателей и клинических экспертов, которых объединяет общая приверженность делу воплощения проактивной медицинской помощи в реальность.
FL113 входит в экосистему Flagship Pioneering, ведущую платформу для создания венчурных компаний, дважды отмеченную в списке "Change the World" по версии FORTUNE и дважды в списке самых инновационных компаний мира по версии Fast Company. Flagship создает компании на передовой науки и технологий, объединяя основателей, операционных специалистов и инвесторов для совершения смелых скачков в решении актуальных проблем и превращения прорывных идей в долгосрочные бизнесы. Присоединяйтесь к исключительной команде и помогите сформировать будущее ИИ и здравоохранения.
О роли
Директор по науке о данных в здравоохранении отвечает за научную повестку дня FL113, методологию и производительность моделей, клиническую валидацию и сбор доказательств. Вы будете определять, какие научные вопросы следует исследовать, как оценивать производительность моделей и клиническую полезность, а также какие доказательства необходимы для обеспечения готовности продукта, принятия клиентами и разработки регуляторной стратегии.
Вы будете тесно сотрудничать с коллегами из отделов разработки, продукта и GTM (вывода на рынок), а также с клиентами, партнерами в системе здравоохранения и более широкой экосистемой Flagship для формирования разработки и предоставления продуктов. Вы будете нести ответственность за научную строгость, производительность моделей и реальные доказательства. Исследования определяют научные требования и критерии приемки; разработка отвечает за архитектуру производства, реализацию, развертывание и эксплуатацию. Вместе мы будем использовать данные моделей, пилотных проектов и клиентов для улучшения соответствия продукта рынку и создания продуктов, которым доверяют в реальном мире.
Ключевые обязанности
Определение научной повестки дня
- Владеть и постоянно развивать многолетнюю дорожную карту исследований, охватывающую предиктивное моделирование, причинно-следственный вывод и лонгитюдный анализ, основанную на научных, клинических, продуктовых и рыночных данных.
- Транслировать дорожную карту исследований в практические этапы, точки принятия решений и потребности в ресурсах.
- Проявлять прагматичное научное и продуктовое суждение, связывая производительность моделей с клинической ценностью, рентабельностью инвестиций клиента и временем разработки.
- Определять и поддерживать стандарты, соответствующие назначению, для качества данных, валидации моделей, дизайна исследований, воспроизводимости и ответственного использования ИИ.
- Применять инструменты на базе ИИ и агентные рабочие процессы для ускорения исследований, экспериментов, анализа и повышения продуктивности команды.
Руководство разработкой и валидацией моделей
- Определять объем и дизайн исследовательских программ, включая выбор показаний, стратегию работы с данными, подход к моделированию, конечные точки и критерии валидации.
- Осуществлять надзор за разработкой и валидацией моделей на основе структурированных и неструктурированных медицинских данных, включая причинно-следственный вывод, глубокое обучение, анализ выживаемости и лонгитюдное моделирование.
- Владеть методологией моделирования, планами оценки, исследовательским кодом и прототипами, а также доказательствами, необходимыми для установления производительности и клинической полезности.
- Анализировать результаты и ограничения моделей, наставлять научных сотрудников и поддерживать научное качество в команде.
- Определять требования к исследовательским наборам данных, аналитическим схемам, определениям признаков и критериям качества данных в партнерстве с отделом разработки.
Обеспечение готовности продукта
- Определять критерии научной приемки и требования к продукту совместно с отделами продукта и разработки.
- Разрабатывать планы готовности моделей и валидации, определяющие, что должно быть продемонстрировано до того, как модель будет передана в производство или в пилотный проект клиента.
- Предоставлять научные требования к совместимости, архитектуре данных, развертыванию и мониторингу, в то время как отдел разработки сохраняет владение производственным стеком.
- Подтверждать, что производственные реализации сохраняют валидированное поведение модели, и что планы мониторинга могут выявлять клинически значимые изменения в производительности.
- Информировать о требованиях к функциям и готовности к запуску, используя данные моделей, клиническую полезность и потребности клиентов.
Создание клинических доказательств и научной достоверности
- Разрабатывать и контролировать ретроспективные и проспективные клинические исследования с партнерами в системе здравоохранения.
- Разрабатывать стратегию сбора реальных доказательств для оценки производительности продукта, клинической полезности, влияния на рабочие процессы и экономической выгоды.
- Формировать научный дизайн и критерии успеха для пилотных проектов с биофармацевтическими компаниями, организациями, осуществляющими подотчетную медицинскую помощь, медицинскими учреждениями и другими ранними клиентами.
- Сотрудничать с клиническими и регуляторными экспертами для разработки планов сбора доказательств, поддерживающих пути клинической поддержки принятия решений и программного обеспечения как медицинского изделия.
- Работать с GTM для определения научного объема, требований к данным и обязательств по сбору доказательств для клиентских и исследовательских коллабораций.
- Четко сообщать результаты, ограничения, научные риски и технические возможности внутренним и внешним заинтересованным сторонам.
- Укреплять научную достоверность FL113 посредством взаимодействия с лидерами мнений, публикаций, презентаций и внешних коллабораций, когда это уместно.
Создание и руководство исследовательской организацией
- Нанимать, руководить и развивать междисциплинарную команду, охватывающую машинное обучение, клинические исследования, сбор реальных доказательств, биостатистику и экономику здравоохранения.
- Определять приоритеты исследований, управлять повседневными научными операциями, анализировать техническую работу и устранять препятствия.
- Создавать культуру, сочетающую научную строгость со скоростью и практическим суждением, необходимыми в компании на ранней стадии развития.
- Налаживать эффективные рабочие практики между отделами исследований, разработки, продукта, клиники, регуляторными вопросами и GTM.
- Развивать членов команды посредством прямого технического наставничества, четких ожиданий и ответственности за воспроизводимые результаты.
Что мы ищем
- Докторская степень или степень магистра в области биостатистики, вычислительной биологии, эпидемиологии, математики, информатики или другой смежной количественной дисциплины в сочетании с глубоким опытом работы в сфере здравоохранения или медико-биологических наук.
- Не менее 8 лет опыта в области исследований ИИ, науки о данных в здравоохранении, сбора клинических доказательств или разработки продуктов, включая успешный опыт работы в компаниях на ранней стадии развития или в условиях "с нуля".
- Глубокие практические знания в области машинного обучения для структурированных и неструктурированных медицинских данных, включая причинно-следственный вывод, глубокое обучение, анализ выживаемости и лонгитюдное моделирование.
- Опыт вывода клинических ИИ-моделей от исследований до реальной валидации и внедрения в производство в партнерстве с командами разработки.
- Опыт разработки, проведения и интерпретации ретроспективных и проспективных клинических исследований.
- Свободное владение современными инструментами для исследований и машинного обучения, включая Python, PyTorch, scikit-learn и рабочие процессы разработки на базе ИИ.
- Глубокое знание источников медицинских данных, включая электронные медицинские карты, страховые данные, омиксные данные, носимые устройства и цифровые биомаркеры.
- Практическое знание стандартов медицинских данных и клинической терминологии, таких как FHIR, HL7, OMOP, SNOMED, LOINC, ICD, CPT и RxNorm.
- Знакомство с требованиями к конфиденциальности, безопасности и соответствию требованиям в сфере здравоохранения, включая HIPAA, HITRUST и SOC 2.
- Опыт общения с клиницистами, лидерами мнений, клиентами, руководителями и другими техническими и нетехническими аудиториями.
Что сделает вас исключительным кандидатом
- Вы преуспеваете в неопределенности и воодушевлены созданием компании "с нуля".
- Вы сочетаете научную строгость с здравым предпринимательским суждением, комфортно принимая ответственные решения в условиях неопределенности и несовершенства венчурного предприятия на ранней стадии.
- У вас есть опыт создания, руководства и вдохновения высокопроизводительных, междисциплинарных команд в быстро меняющихся условиях.
- Вы четко и релевантно доносите сложные методы, результаты, ограничения и решения до различных аудиторий — будь то научные сотрудники или бизнес-руководители.
- Вы являетесь "AI-нативным", неустанно применяя агентные инструменты и рабочие процессы для ускорения исследований, повышения точности экспериментов и усиления производительности вашей команды.
О FLAGSHIP PIONEERING:
Flagship Pioneering изобретает и создает платформенные компании, каждая из которых обладает потенциалом для создания множества продуктов, трансформирующих здоровье человека, устойчивое развитие и многое другое. С момента своего запуска в 2000 году Flagship создала более 100 компаний. Многие из этих компаний решали самые насущные проблемы человечества: вакцинировали миллиарды людей против COVID-19, лечили неизлечимые заболевания, улучшали здоровье человека, предотвращали болезни и обеспечивали мир продовольствием, повышая устойчивость и экологичность сельского хозяйства.
Flagship дважды была отмечена в списке "Change the World" по версии FORTUNE, ежегодном рейтинге компаний, оказавших положительное социальное и экологическое влияние посредством деятельности, являющейся частью их основных бизнес-стратегий, и дважды была названа Fast Company в числе самых инновационных компаний мира. Узнайте больше о Flagship на.
В Flagship мы принимаем невыполнимые миссии, чтобы совершить более крупные прорывы. Наши основные ценности направляют нас сквозь неопределенность и к долгосрочному влиянию.
Мы являемся работодателем, предоставляющим равные возможности. Все квалифицированные кандидаты будут рассмотрены для трудоустройства независимо от расы, цвета кожи, религии, пола, сексуальной ориентации, гендерной идентичности, национального происхождения, инвалидности, статуса ветерана, охраняемого законом, или любой другой характеристики, защищенной законом.
Мы признаем, что отличные кандидаты часто обладают уникальными сильными сторонами, не соответствуя всем требованиям. Если у вас есть часть перечисленного выше опыта, но не весь, пожалуйста, подайте заявку в любом случае. Мы стремимся создавать разнообразные и инклюзивные команды и будем рады узнать больше о вашем опыте и интересе к Flagship.
Агентства по подбору персонала и трудоустройству: Flagship Pioneering и ее аффилированные компании Flagship Lab (совместно "FSP") не принимают незапрошенные резюме ни от одного источника, кроме самих кандидатов. Предоставление незапрошенных резюме рекрутинговыми или кадровыми агентствами FSP или ее сотрудникам строго запрещено, если только внутренний отдел подбора персонала Flagship Pioneering не связался напрямую. Любое резюме, предоставленное агентством в отсутствие подписанного соглашения, автоматически становится собственностью FSP, и FSP не будет выплачивать никаких реферальных или иных вознаграждений в связи с этим.
Уведомление о конфиденциальности для кандидатов: Когда вы подаете заявку на должность в Flagship Pioneering или одной из ее портфельных компаний, мы собираем и используем предоставленную вами личную информацию (такую как ваше имя, контактные данные, история трудоустройства и материалы заявки) для оценки вашей заявки, связи с вами и соблюдения юридических обязательств. Данные вашей заявки обрабатываются через Greenhouse, нашу систему отслеживания кандидатов, и могут также просматриваться с использованием инструментов автоматизированного скрининга на базе ИИ. Мы не продаем вашу личную информацию. Жители Калифорнии имеют права в соответствии с CCPA/CPRA, включая право знать, удалять и отказаться от продажи своей личной информации. Если вы находитесь в ЕС или Великобритании, мы обрабатываем ваши данные в соответствии с GDPR, и вы имеете право на доступ, исправление и удаление ваших данных. Чтобы реализовать свои права или задать вопросы, свяжитесь с контакт рекрутера.
Диапазон заработной платы для этой должности составляет $192 000 - $253 000. Компенсация за должность будет зависеть от ряда факторов, включая квалификацию, навыки, компетенции и опыт кандидата. FL113 в настоящее время предлагает медицинское страхование, ежегодную программу стимулирования, пенсионные выплаты и широкий спектр других льгот. Информация о компенсации и льготах основана на добросовестной оценке FL113 на дату публикации и может быть изменена в будущем.
