Обзор
Мы разрабатываем высокоточный Медицинский Движок Поддержки Принятия Решений. Наша система использует возможности рассуждения больших языковых моделей (LLM), основанных на структурированных Медицинских Графах Знаний, чтобы предоставлять клиницистам поддержку принятия решений на основе доказательств. Мы ищем Data Scientist, который сможет преодолеть разрыв между «черным ящиком» ИИ и безопасной, интерпретируемой клинической практикой.
Обязанности
- Инжиниринг и валидация наборов данных: Разработка надежных конвейеров для обработки электронных медицинских записей (EHR) и медицинской литературы. Внедрение строгих многоступенчатых рамок валидации (анализ чувствительности/специфичности) для обеспечения клинической безопасности и надежности модели.
- Тонкая настройка LLM: Адаптация больших языковых моделей с использованием SFT, DPO или PEFT (LoRA/QLoRA) для специализированных медицинских областей и сложного клинического диагностического рассуждения.
- Продвинутые RAG и Graph RAG: Проектирование гибридных систем поиска, которые объединяют векторные базы данных с Графами Знаний для устранения галлюцинаций и обеспечения фактической обоснованности.
- Объяснимость и интерпретируемость: Разработка методов для прозрачности выводов модели. Движок должен предоставлять «пути рассуждений» — обосновывая рекомендации с помощью конкретных медицинских доказательств, клинических протоколов и связей в графе.
Технические требования
- Стек GenAI: Экспертные знания архитектур Transformer и практический опыт тонкой настройки LLM (Llama 3, Mistral и др.)
- Graph ML: Практический опыт работы с Графами Знаний, Triple-stores или графовыми базами данных (Neo4j, ArangoDB) и графовыми нейронными сетями (GNN).
- Системы поиска: Владение LangChain / LlamaIndex и векторными поисковыми движками (Pinecone, Milvus или Weaviate).
- Инструменты XAI: Практический опыт работы с SHAP, LIME или пользовательскими методами отображения внимания для интерпретируемости моделей.
- Валидация и статистика: Сильные знания статистической валидации для критически важных сред и работы с несбалансированными медицинскими данными.
Почему стоит присоединиться к нашей команде?
- Решайте вопрос «Почему»: Вы не просто создадите модель; вы создадите систему, которой клиницисты смогут доверять, потому что они понимают её логику.
- Передовой стек технологий: Работа на самом переднем крае ИИ, объединяя LLM с структурированными Графами Знаний (Graph RAG).
- Значимое социальное воздействие: Ваша работа напрямую способствует улучшению результатов лечения пациентов, ускорению выздоровления и значительному снижению диагностических ошибок.
Если вы увлечены расширением возможностей ИИ в здравоохранении, мы будем рады услышать вас.