Data Scientist II, Real World Evidence (RWE), Pharma R&D

Leidenschaft für Präzisionsmedizin und die Weiterentwicklung der Gesundheitsbranche? Jüngste Fortschritte in der zugrunde liegenden Technologie haben es endlich möglich gemacht, dass KI einen bedeutenden Einfluss auf die klinische Versorgung hat. Die proprietäre Plattform von Tempus verbindet ein ganzes Ökosystem von Real-World-Evidence, um Echtzeit- und umsetzbare Erkenntnisse für Ärzte bereitzustellen, die kritische Informationen über die richtigen Behandlungen für die richtigen Patienten zur richtigen Zeit liefern.

Über die Rolle: Die Real World Evidence (RWE) Gruppe innerhalb des Pharma R&D-Teams bei Tempus arbeitet mit großen pharmazeutischen Partnern zusammen, um erstklassige Daten, Analysen und methodische Anleitung für das Real-World-Datenangebot von Tempus bereitzustellen. Wir suchen einen hochmotivierten und lösungsorientierten RWE Data Scientist II mit Erfahrung und Interesse an Onkologie und epidemiologischer Studiendesign, um unser Team zu verstärken. Diese Rolle erfordert die Fähigkeit, Beobachtungsstudien zu leiten, Erkenntnisse aus komplexen realen klinischen Daten abzuleiten, fortschrittliche statistische Methoden anzuwenden und modernste KI-Tools zu nutzen, um Aufgaben zu skalieren und Erkenntnisse zu erweitern.

Hauptverantwortlichkeiten:

• Pharma-Zusammenarbeit & Strategie: Zusammenarbeit mit pharmazeutischen Partnern zur eigenständigen Durchführung robuster RWE-Forschungspläne, die die multimodale Plattform von Tempus nutzen, um zentrale Fragen im Studiendesign und in der Ergebniserforschung zu adressieren.
• Expertise in Real World Data: Leitung der Ableitung komplexer realer Endpunkte unter Verwendung umfangreicher Codierung, mit tiefem Verständnis der klinischen und molekularen Datenstrukturen und -komplexität von Tempus, während auch als Experte für die methodologischen Nuancen und Einschränkungen von Real-World-Daten fungiert wird.
• Methodologie & Plattformbeitrag: Auf dem Laufenden bleiben über methodologische Fortschritte in Real-World-Studien (z.B. kausale Inferenz, Überlebensanalyse) und Onkologie-Richtlinien (NCCN und laufende klinische Studien), um wiederverwendbaren Code, interne Pakete und Best Practices beizutragen, die in mehreren Kooperationen angewendet werden können.
• KI & LLM-Innovation: Integration von LLMs, agentischen Workflows und anderen KI-Tools in die täglichen Arbeitsabläufe zur Beschleunigung der Code-Entwicklung, Entdeckung, Dokumentation, Überprüfung und Generierung von Erkenntnissen.
• Wissenschaftliche Interpretation & Kommunikation: Interpretation der Ergebnisse von RWE-Analysen, um angemessene Schlussfolgerungen basierend auf Studiendesign/statistischen Methoden zu ziehen, während auch die Einschränkungen der Studie bewertet werden. Kommunikation komplexer Methoden und Ergebnisse klar an technische und nicht-technische Stakeholder. Vorbereitung und Präsentation interner Berichte, externen Lieferungen und, wo angebracht, Manuskripten oder Konferenzmaterialien.
• Interdisziplinäre Zusammenarbeit: Zusammenarbeit mit internen Produkt-, Onkologie- und klinischen Abstraktions- sowie Real-World-Datenwissenschaftsteams zur kontinuierlichen Verbesserung der Datenqualität, Produkte und analytischen Best Practices von Tempus.

Mindestens erforderliche Qualifikationen:

• Ausbildung in Epidemiologie, Biostatistik, Datenwissenschaft, öffentlicher Gesundheit oder einem verwandten Bereich.
• Technische und statistische Kompetenz.
• Kommunikation & Kundenfokus: Nachgewiesene Erfahrung in der Interaktion mit Kunden, die Geschicklichkeit beim Präsentieren und Anpassen von Botschaften an verschiedene Stakeholder zeigt.
• Soft Skills: Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten mit starken Projektmanagementfähigkeiten. Fähigkeit, in einer schnelllebigen, dynamischen Umgebung zu gedeihen, während man mit multidisziplinären Wissenschaftlern an komplexen Problemen arbeitet.

Bevorzugte Fähigkeiten:

• Erfahrung in der Zusammenarbeit mit Pharma oder Arzneimittelentwicklung.
• Erfahrung im Studiendesign klinischer Studien (insbesondere Phase II-III) im Bereich der klinischen Entwicklung.
• Analytische Kompetenz mit Ansprüchen, EHR oder Registrierungsdaten.
• Praktische Erfahrung in der Konfiguration oder Anpassung von LLMs oder der Nutzung verwandter Tools/Frameworks zur Unterstützung wissenschaftlicher Arbeiten.
• Kenntnis der Onkologie-Richtlinien (z.B. NCCN).
• Erfahrung mit Biomarker- oder Molekulardaten (z.B. Genomik).
• Erfahrung mit Cloud-Plattformen wie AWS und/oder BigQuery und/oder Google Cloud Platform (GCP).

Wir sind ein Arbeitgeber, der Chancengleichheit bietet. Wir diskriminieren nicht aufgrund von Rasse, Religion, Farbe, nationaler Herkunft, Geschlecht, sexueller Orientierung, Alter, Familienstand, Veteranenstatus oder Behinderungsstatus.