DATA SCIENTIST

L'Hospital Sant Joan de Déu Barcelona és un dels centres europeus més importants en les especialitats de Pediatria, Ginecologia i Obstetrícia.
Som un hospital d'alta especialització i tecnologia, de referència en l'assistència, la docència i la recerca.
El nostre model assistencial compagina harmònicament la ciència, els avenços tècnics i la humanització, des del respecte a la dignitat de la persona.
Anualment ens visiten més de pacients.
L’hospital, com a centre de referència internacional, aposta per una assistència i tractament del pacient humanista que te en compte l’experiència del pacient en tots els àmbits del tractament.
Al ser un centre d’alta especialització, també integra les últimes tecnologies en el tractament i seguiment dels pacients.
Un exemple és el projecte Hospital Líquid, el projecte de transformació digital que inicià el i que se centra en generar les eines i plataformes que permetin anar més enllà de les parets de l’hospital per tractar als pacients allà on siguin i empoderar-los en el procés de tractament.
En el projecte PHEMS desenvoluparem i validarem un concepte d'ecosistema de dades de salut descentralitzat i obert, basat en estàndard (com el OMOP) i generat sobre 3 casos d’ús clínic de 4 hospital de referència en l’assistència pediàtrica a Europa.
El projecte facilitarà l'accés a les dades de salut i ajudarà a avançar en l'anàlisi avançat de dades de federades,creant serveis que generen conjunts de dades sintètiques compartibles.
El projecte PHEMS ha estat finançat per la Comissió Europea dins del programa Horizon Europe (Research and Innovation Action) i sota el grant agreement nº .
Els socis tècnics, en col·laboració amb els socis hospitalaris (HUS - Helsinki, GOSH -Londres, ERASMUS-Rotterdam y HSJD-Barcelona) desenvoluparan tres casos d'ús clínic, que utilitzaran diversos tipus de dades (per exemple, dades d'EHR, de laboratori i de monitoratge).
1) Benchmarking del tractament de pacients de cardiologia amb cardiopatia congènita.
Aquesta patologies són de les més complexes i costoses pel sistemes de salud, suposant tractament quirúrgics, estàncies en UCIs i seguiments a domicili.
En aquest cas d’ús es crearà un dashboard per comparar les mesures de resultats dels pacients amb cardiologia mitjançant l'ús de dades federades i estandarditzades (OMOP) de GOSH, HUS, FSJD i ERASMUS.
Aquestes dades de benchmarking s'utilitzaran per identificar les millors pràctiques en les vies de tractament per millorar l'atenció i la prestació assistencial dels pacients amb cardiopatia congènita.
2) Predicció de Sèpsia de la Unitat de Cures Intensives Pediàtriques (UCIP).
El cas d'ús clínic 2 investigarà els beneficis de l'ecosistema federat PHEMS per desenvolupar, entrenar i provar algorismes que prediuen la sèpsia en UCIP de quatre grans hospitals infantils europeus (HUS, GOSH, ERASMUS y HSJD).
Validar i implementar algorismes predictius de sèpsia aplicant tècniques d'aprenentatge automàtic per agrupar trajectòries de pacients de UCIP segons els resultats.
3) Hematologia; hemofília.
El cas d'ús clínic 3 desenvoluparà i provarà un algorisme de predicció basat en Machine Learning en conjunts de dades de GOSH, HUS, FSJD i ERASMUS per tractar pacients pediàtrics amb hemofília A o B.
Aquest cas d'ús pretén mostrar que l'ecosistema d'intercanvi de dades de nova creació, mitjançant algorismes d'aprenentatge federats, augmenta el nombre de pacients inclosos en algorismes d'aprenentatge automàtic en malalties de baixa incidència.
Millorarem la precisió d'un algorisme d'aprenentatge automàtic creat per un únic centre (ERASMUS) per predir els nivells de factor plasmàtic a l'hemofília A i B ampliant la validació als altres 3 centres.
També millorarem els models de farmacocinètica (PK) existents per predir els nivells de factor plasmàtic.
Finalment, compararem el rendiment dels models d'aprenentatge automàtic amb els models clàssics de PK per predir els nivells de factor plasmàtic.
L'objectiu d'aquest lloc de treball és i ncorporar un/a data scientist a l’equip multidisciplinar del projecte per donar suport transversal als tres casos d’ús clínics en què el HSJD participa.
Però especialment en el desenvolupament del algoritme de predicció de Sepsis en UCIP.
EL PROJECTE A DESENVOLUPAR.
Donar suport al projecte PHEMS com a referent bioinformàtic en la preparació de les bases de dades dels 3 casos de us i en el desenvolupament e implementació de models predictius de SEPSIS en UCIP, coordinat amb els 4 hospitals de referència pediàtrics.
LES RESPONSABILITATS.
- Extracció i harmonització de les dades per a la construcció dades dels entorns de virtualització necessàris pel projecte.
- Utilització de les eines de preprocessat i anàlisi de dades per donar resposta a les necessitats del projecte.
- Desenvolupament i validació d’algoritmes predictius explicables per a la predicció del risc de deteriorament de pacients i la seva estratificació segons risc.
- Col·laboració en el disseny de les eines de visualització per a la presentació d’informació amb els entorns definits per l´organització.
- Col·laboració en el posada en producció del algoritme un cop validat, pel seu ús en un entorn clínic real.
- Gestionar, coordinar i impartir las formacions relacionades amb les seves tasques i àrees de coneixement al personal que els requereixi.
- Donar suport a les àrees tècniques i assistencials que formin part de l’àmbit d’actuació.
- Assistir a les reunions de coordinació transversal del projecte en què estigui involucrada.
- Reportar l’activitat del seu àmbit d’actuació, garantint l’alineació dels indicadors de resultats amb els objectius tant assistencials com estratègics de l’àrea on treballi.
- Contribuir als entregables del projecte Europeu amb els resultats i documentació generada del projecte - Participació i coordinació en les reunions de seguiment i equip del projecte.
Estar en possessió del títol de Bioenginyeria, Enginyeria Informàtica, Enginyeria Telecomunicacions, Física, Matemàtiques o equivalent.
Experiència prèvia com a data scientist en el desenvolupament, validació i posterior implementació d’algorismes de machine learning en l’àmbit mèdic.
Es valorarà positivament tenir experiència en estàndards de dades de recerca clínica OMOP.
Tenir les competències relacionades amb les nostres necessitats.
VALOREM.
Màster o coneixements en les diferents branques de data science, processat de dades Machine learning i intel·ligència artificial aplicada a la salud o bioenginyeria.
Màster o coneixements en tractament de dades (big data & data science), algorísmia, tecnologies de monitorització i imatge.
Coneixements de llenguatges de programació (Python principalment, es valorarà altres com Matlab, C++, Java).
Coneixements de llenguatges de programació de base de dades (SQL).
Coneixements o experiència prèvia en sistemes cloud (AWS).
Experiència desenvolupament models predictius mitjançant algorismes d’aprenentatge automàtic Es valorarà positivament l’ e xperiència amb el tractament de dades clíniques d’entorn real hospitalari i amb estàndards OMOP.
Es valorarà positivament estades a l’estranger cursant formacions o desenvolupant activitat professional.
Idiomes.
Anglès, Català i Castellà.
Qué Oferim Jornada completa (37,5hores setmanals) Descomptes als menjadors de referència.
Incorporació a un equip dinàmic.