À propos du poste
Dans ce rôle de contractant horaire à distance, vous travaillerez en tant qu'expert en la matière (SME) en recherche clinique pour examiner du contenu de recherche clinique et biomédical généré par l'IA et/ou créer du contenu de recherche expert, en évaluant la qualité du raisonnement et la résolution pas à pas de problèmes scientifiques tout en fournissant une rétroaction écrite précise. Vous évaluerez les solutions quant à leur exactitude, leur clarté, leur sécurité et leur conformité à l'invite ; vous identifierez les erreurs dans la conception des études, les statistiques, la sélection des critères d'évaluation, les biais/confusions, la méthodologie des essais cliniques et l'interprétation des preuves ; vous vérifierez les faits médicaux et scientifiques ; vous rédigerez des explications de haute qualité et des solutions modèles qui démontrent un raisonnement de recherche correct ; et vous noterez et comparerez plusieurs réponses en fonction de leur exactitude et de la qualité du raisonnement. Ce rôle est au sein de SME Careers, une entreprise de services de données pour l'IA en pleine croissance et filiale de SuperAnnotate, qui fournit des données d'entraînement à nombre des plus grandes entreprises d'IA et laboratoires de modèles de fondation au monde. Votre expertise en recherche clinique contribue directement à améliorer les meilleurs modèles d'IA au monde en rendant leur évaluation des preuves, leur interprétation des essais et leur communication de recherche plus exactes, fiables et clairement expliquées.
Important : Il n'y a pas de projet immédiat pour ce rôle ; toutefois, si vous êtes qualifié, vous ferez partie des premiers experts que nous contacterons lorsque des opportunités pertinentes se présenteront. Cela vous donnera également accès à de futurs projets disponibles par l'intermédiaire de notre réseau d'experts.
Ce que vous ferez
- Développer du contenu d'entraînement pour l'IA : créer des invites détaillées et des réponses de référence dans les domaines de la méthodologie de recherche clinique, de l'interprétation et de la communication scientifique.
- Optimiser les performances de l'IA : évaluer et classer les réponses de l'IA pour améliorer l'exactitude, la rigueur, la clarté et la pertinence contextuelle.
- Garantir l'intégrité des modèles : tester les sorties de l'IA pour détecter les inexactitudes, les interprétations trompeuses des preuves, les recommandations dangereuses et les biais ; valider la fiabilité dans différents cas d'utilisation.
Ce que nous recherchons
- Baccalauréat (ou niveau supérieur) dans un domaine pertinent (p. ex., santé publique/MPH, épidémiologie, biostatistique, recherche clinique, sciences biomédicales, PharmD, MD/DO, RN ou domaine connexe).
- 5+ années d'expérience professionnelle en recherche clinique (milieu universitaire, hôpitaux, CRO, biopharma, recherche en santé publique ou similaire).
- Solide maîtrise des fondamentaux de la recherche clinique : conception des études, critères d'évaluation, critères d'inclusion/exclusion, intuition sur la puissance/taille de l'échantillon et interprétation des résultats.
- À l'aise pour évaluer le raisonnement statistique (tailles d'effet, intervalles de confiance, valeurs p, comparaisons multiples, données manquantes, analyses de sensibilité).
- Compréhension approfondie des biais, des facteurs de confusion et de la causalité (randomisation, insu, biais de sélection, biais de mesure, biais de survie, biais de collision).
- Une familiarité avec les concepts d'opérations des essais cliniques (protocoles, écarts, logique AE/SAE, qualité des données, monitoring) et/ou les principes BPC est un plus.
- Un souci exceptionnel du détail lors de la vérification des faits ; maîtrise de l'anglais de niveau C1 minimum avec une solide rédaction scientifique.
- Fiable, autonome et capable de fournir une qualité constante dans un flux de travail de contractant horaire à distance à travers les fuseaux horaires.
- Une expérience préalable en entraînement/annotation de données pour l'IA, en assurance qualité éditoriale médicale/scientifique, en revues systématiques ou en travaux sur des lignes directrices est fortement préférée.