Director Asociado de IA Clínica

En AstraZeneca, la tecnología y la ciencia se unen para cambiar lo que es posible para los pacientes. Estamos construyendo un motor de IA empresarial conectado y de extremo a extremo, que une bases de datos, tecnología de IA, reinvención de procesos e IA orientada al negocio para acelerar los resultados en toda la cadena de valor. El éxito depende de ser conectores excepcionales: aprovecharás activamente las capacidades existentes, celebrarás y promoverás la reutilización, exportarás ideas innovadoras a través de diversas geografías y funciones, y te obsesionará escalar el impacto en lugar de construir de forma aislada.

AI Science & Innovation (AISI) se sitúa en el centro de la transformación de la IA en I+D de AstraZeneca. Nuestra misión es construir, adquirir y entregar los modelos y agentes de IA que cambien los resultados de la cartera de proyectos, abarcando el descubrimiento, la ciencia traslacional, los biomarcadores y el desarrollo clínico.

Dentro de AISI, el equipo de BioPharma Clinical Development AI está desarrollando una capacidad de IA de clase mundial para acelerar el diseño, la realización y el análisis de ensayos clínicos en toda nuestra cartera de BioPharmaceuticals, que abarca programas tanto de fase temprana como tardía. Colaboramos estrechamente con los equipos de desarrollo clínico, regulatorios y de biometría para ofrecer mejores tratamientos a los pacientes con mayor rapidez, cumpliendo al mismo tiempo los más altos estándares de evidencia.

Llevar nuevos tratamientos a los pacientes exige excelencia científica en cada etapa del desarrollo. En el equipo de AI for Clinical Development, BioPharma AIR&D, nos centramos en una de las partes con mayor densidad de datos e intensidad de decisiones de ese proceso: el desarrollo clínico. El diseño de ensayos, la selección de pacientes, la optimización de la dosis, la estrategia de biomarcadores y la evaluación de la seguridad representan oportunidades reales donde la IA y el aprendizaje automático pueden aportar rigor, velocidad y precisión, no como un sustituto de la experiencia clínica y estadística, sino como un complemento poderoso de la misma. Nos exigimos estándares de mejora medibles y desarrollamos métodos que pueden ser evaluados, reproducidos y en los que se puede confiar en entornos regulatorios.

Trabajarás en toda la empresa para definir y dar respuesta a las cuestiones de desarrollo clínico más urgentes de AstraZeneca, colaborando en equipos multidisciplinares que abarcan las áreas terapéuticas clave de BioPharmaceuticals: cardiovascular, renal, enfermedades metabólicas, respiratoria e inmunología. Tú y el equipo aplicarán nuevos métodos para avanzar de forma medible en la cartera de fármacos en fase avanzada, y ayudarás a inventar enfoques reutilizables que se escalen a través de programas y geografías.

La IA para el desarrollo clínico es un campo en constante movimiento. Los modelos fundacionales, los sistemas de agentes y la IA causal están avanzando rápidamente, y los marcos regulatorios y metodológicos que los rodean evolucionan en paralelo. Como Associate Director, Data Scientist en el equipo de AI for Clinical Development, trabajarás directamente en la frontera: desarrollando, evaluando y desplegando métodos de IA que informen directamente el diseño de ensayos clínicos y la toma de decisiones en programas de fase temprana y tardía. Cada modelo que construyas acabará afectando a un ensayo que decidirá si un paciente recibe una mejor terapia. Ese es el nivel de exigencia que nos imponemos.

• Desarrollar, evaluar y desplegar métodos reutilizables de IA y aprendizaje automático para entornos de ensayos clínicos, incluyendo el apoyo al diseño innovador de ensayos, la optimización de dosis, el descubrimiento de biomarcadores, gemelos digitales y modelado predictivo para decisiones de fase temprana y tardía, así como la detección de señales de seguridad y eficacia.

• Liderar la entrega de extremo a extremo de proyectos de ciencia de datos, desde el planteamiento del problema y la selección de la metodología hasta la implementación, validación y adopción dentro de los equipos de estudio.

• Colaborar con colegas de Clinical Development, Study Teams, Biometrics y Regulatory para integrar la IA y la estrategia analítica en el diseño de estudios y en los flujos de trabajo de toma de decisiones.

• Construir productos de datos reutilizables y bien documentados —incluyendo pipelines, paquetes y aplicaciones— con una mentalidad de ingeniería de software, garantizando la calidad, la reproducibilidad y la mantenibilidad en toda la empresa.

• Aplicar y evaluar metodologías de vanguardia, incluyendo modelos fundacionales, sistemas de IA de agentes, modelos generativos de pacientes, modelado longitudinal y de series temporales, inferencia bayesiana e inferencia causal, proponiendo enfoques adecuados con criterios de evaluación claros.

• Impulsar prácticas de IA centradas en los datos: adquirir, curar y controlar la calidad de los conjuntos de datos para el entrenamiento de modelos, post-entrenamiento, benchmarking y evaluación en entornos clínicos y regulatorios.

• Contribuir al desarrollo de marcos de evaluación y benchmarking de IA adecuados para entornos clínicos y regulatorios.

• Participar activamente en comunidades internas de ciencia de datos y foros científicos externos; contribuir a publicaciones y presentaciones en conferencias como colaborador científico reconocido.

• Proporcionar coaching y orientación técnica a Senior Data Scientists y colegas pares, promoviendo las mejores prácticas y una cultura de rigor científico.

• Gran competencia en el aumento —pero no la sustitución— del trabajo de conocimiento diario mediante herramientas de IA de agentes.

• Mantenerse proactivamente al día con las últimas investigaciones en IA; probar nuevas herramientas y métodos de interés sin esperar a recibir instrucciones.

• Mentalidad orientada al equipo: hacer lo que es mejor para el equipo y el programa, no solo para el proyecto individual.

• Capacidad para realizar contribuciones de alta calidad de forma independiente y con rapidez.

• Comodidad con la ambigüedad e instinto para aprender en público, prototipar pronto y aprender de los errores (fail forward).

At AstraZeneca, technology and science meet to change what is possible for patients. We are building a connected, end-to-end Enterprise AI engine - uniting data foundations, AI technology, process reinvention, and business-facing AI to accelerate results across the whole value chain. Success depends on being exceptional connectors: you will actively leverage existing capabilities, celebrate and promote reuse, export breakthrough ideas across geographies and functions, and obsess over scaling impact rather than building in isolation.

AI Science & Innovation (AISI) sits at the centre of AstraZeneca's R&D AI transformation. Our remit is to build, buy, and deliver the AI models and agents that change pipeline outcomes, across discovery, translational science, biomarkers, and clinical development.

Within AISI, the BioPharma Clinical Development AI team is building world-class AI capability to accelerate the design, conduct, and analysis of clinical trials across our BioPharmaceuticals pipeline - spanning both early and late phase programmes. We partner closely with clinical development, regulatory, and biometrics teams to bring better treatments to patients faster, while adhering to the highest evidentiary standards.

Bringing new treatments to patients demands scientific excellence at every stage of development. In the AI for Clinical Development, BioPharma AIR&D team, we focus on one of the most data-rich and decision-intensive parts of that journey: clinical development. Trial design, patient selection, dose optimisation, biomarker strategy, and safety evaluation each represent genuine opportunities where AI and machine learning can add rigour, speed, and precision - not as a replacement for clinical and statistical expertise, but as a powerful complement to it. We hold ourselves to measurable standards of improvement, and we build methods that can be evaluated, reproduced, and trusted in regulatory settings.

You will work across the enterprise to define and deliver on AstraZeneca's most pressing clinical development questions - collaborating in cross-functional teams spanning the key BioPharmaceuticals disease areas of cardiovascular, renal, metabolic disease, respiratory, and immunology. You and the team will apply new methods to measurably advance the late-stage drug pipeline, and you will help invent reusable approaches that scale across programmes and geographies.

AI for clinical development is a field in motion. Foundation models, agentic systems, and causal AI are advancing rapidly, and the regulatory and methodological frameworks around them are evolving in parallel. As an Associate Director, Data Scientist in the AI for Clinical Developmentteam, you will be hands-on at the frontier - developing, evaluating, and deploying AI methods that directly inform clinical trial design and decision-making across early and late phase programmes. Every model you build will eventually touch a trial that decides whether a patient gets a better therapy. That is the bar we hold ourselves to.

• Develop, evaluate, and deploy reusable AI and machine learning methods for clinical trial settings - including innovative trial design support, dose optimisation, biomarker discovery, digital twins and predictive modelling for early and late phase decisions, and safety and efficacy signal detection.

• Lead end-to-end delivery of data science projects, from problem framing and methodology selection through to implementation, validation, and adoption within study teams.

• Partner with Clinical Development, Study Teams, Biometrics, and Regulatory colleagues to embed AI and analytical strategy into study design and decision-making workflows.

• Build reusable, well-documented data products - including pipelines, packages, and applications - with a software engineering mindset, ensuring quality, reproducibility, and maintainability across the enterprise.

• Apply and evaluate cutting-edge methodologies, including foundation models, agentic AI systems, generative patient models, longitudinal and time-series modelling, Bayesian inference, and causal inference, proposing fit-for-purpose approaches with clear evaluation criteria.

• Drive data-centric AI practices: acquire, curate, and quality-control datasets for model training, post-training, benchmarking, and evaluation in clinical and regulatory settings.

• Contribute to the development of AI evaluation and benchmarking frameworks suitable for clinical and regulatory settings.

• Engage actively with internal data science communities and external scientific forums; contribute to publications and conference presentations as a recognised scientific contributor.

• Provide coaching and technical guidance to Senior Data Scientists and peer colleagues, promoting best practice and a culture of scientific rigour.

• Strong proficiency in augmenting - but not supplanting - daily knowledge work with agentic AI tools.

• Proactively up-to-date with the latest AI research; tries out new tools and methods of interest without waiting to be directed.

• Team-oriented mindset: does what is best for the team and the programme, not just the individual project.

• Ability to deliver high-quality contributions independently and at pace.

• Comfort with ambiguity and an instinct to learn in public, prototype early, and fail forward.