A Spesia, a mais nova empresa do Grupo Med4U, nasce para simbolizar nossa busca incessante por soluções inovadoras e disruptivas, utilizando inteligência artificial para oferecer tratamentos mais precisos, humanos e transformadores. Inspirada na palavra latina spes (esperança) e no IA de Inteligência Artificial, a Spesia reflete nosso compromisso com cuidados humanizados e centrados no paciente. Nossa missão vai além da tecnologia: buscamos melhorar os desfechos clínicos, promovendo esperança e colocando o paciente no centro de tudo o que fazemos. Com a Spesia, queremos redefinir o cuidado em saúde, ajudando a construir vidas mais longas, saudáveis e plenas. Junte-se a nós para transformar a saúde e fazer a diferença na vida das pessoas. Esta vaga é focada na construção de modelos preditivos de machine learning para a predições no contexto da saúde e a análise avançada de dados clínicos. Utilizando dados de prontuários eletrônicos (EHR), exames laboratoriais e dados biomédicos, o objetivo é desenvolver soluções inovadoras para apoiar a detecção precoce e o tratamento de doenças, integrando diferentes fontes de dados biomédicos e aplicando metodologias estatísticas robustas. Principais Responsabilidades Desenvolver modelos preditivos de machine learning para risco de doenças e desfechos clínicos, utilizando dados de EHR e outras fontes biomédicas. Aplicar técnicas de avaliação condizentes para validar e ajustar os modelos preditivos em saúde. Realizar pré-processamento e análise exploratória dos dados, incluindo limpeza, normalização e imputação de dados clínicos e biomédicos. Trabalhar em colaboração com médicos, engenheiros de dados e especialistas clínicos para definir os problemas a serem resolvidos, interpretar resultados e ajustar os modelos conforme necessário. Participar na criação de relatórios detalhados e visualizações de dados para comunicar insights de maneira clara e acessível a stakeholders técnicos e clínicos. Contribuir para a documentação técnica e científica do projeto, incluindo publicações acadêmicas e relatórios internos. Requisitos Formação em Bioestatística, Ciência de Dados, Informática Biomédica, Ciência da Computação ou áreas correlatas. Pelo menos 2 anos de experiência prática em ciência de dados, com ênfase em análise de dados clínicos ou biomédicos. Proficiência em linguagens de programação como Python e R, com sólido conhecimento de bibliotecas de machine learning (TensorFlow, PyTorch, Scikit-learn). Boa habilidade de comunicação para apresentar resultados complexos de forma clara e objetiva a times multidisciplinares. Diferenciais Experiência com dados de prontuários eletrônicos, como Tasy e MRV. Conhecimento em frameworks de interoperabilidade de dados de saúde, como HL7 FHIR e terminologias médicas como o UMLS, SNOMED-CT, CID, LOINC, RxNorm, BI-RADS. Experiência em projetos de análise de dados genômicos ou biomarcadores associados a doenças. Familiaridade com técnicas de NLP e construção de datawarehouses. Contribuições anteriores em publicações científicas relacionadas à bioestatística ou ciência de dados aplicada à saúde. J-18808-Ljbffr