Senior Data Engineer Healthcare Solution

Это практическая роль с высокой степенью ответственности, объединяющая распределённую обработку данных, совместимость в сфере здравоохранения и разработку программного обеспечения с использованием ИИ. Вы будете отвечать за данные в сфере здравоохранения от начала до конца — от подключения новых источников данных и построения конвейеров трансформации до поставки готовых к эксплуатации, соответствующих стандартам FHIR данных.

• Разрабатывать, строить и эксплуатировать конвейеры данных в сфере здравоохранения, преобразующие разнородные исходные данные в ресурсы FHIR, соответствующие стандартам.
• Управлять источниками данных от их загрузки до поставки в продакшн, включая разбор файлов, дешифрование, сопоставление, валидацию, трансформацию, обогащение и интеграцию с downstream‑системами.
• Разрабатывать масштабируемые решения распределённой обработки с использованием Python и Spark/PySpark.
• Создавать и поддерживать ETL/ELT‑рабочие процессы, поддерживающие пакетную, инкрементальную, CDC и потоковую обработку.
• Реализовывать связывание пациентов/записей, дедупликацию, нормализацию терминологии, обогащение и контроль качества данных.
• Трансформировать медицинские данные между стандартами и форматами, включая HL7, C‑CDA, FHIR и проприетарные форматы источников.
• Строить надёжную обработку терминологических систем здравоохранения, включая SNOMED CT, LOINC и RxNorm.
• Повышать устойчивость конвейеров с помощью стратегий повторных попыток, идемпотентности, автоматической валидации, мониторинга, оповещений и восстановления после сбоев.
• Оптимизировать нагрузки обработки данных для повышения производительности, масштабируемости, пропускной способности и экономичности в облаке.
• Исследовать проблемы данных в продакшн‑среде на разных этапах конвейеров и проводить их корневой анализ до постоянного решения.
• Писать и поддерживать юнит‑, интеграционные и тесты качества данных.
• Обрабатывать PHI и зашифрованные медицинские данные в соответствии с применимыми требованиями безопасности и конфиденциальности.
• Использовать AI‑агенты кодирования и переиспользуемые возможности ИИ как регулярную часть инженерного рабочего процесса для ускорения разработки, тестирования, сопоставлений, анализа и повторяющихся инженерных задач.
• Применять инженерное суждение при выборе между детерминированными/правил‑базированными и AI/LLM‑подходами, балансируя точность, надёжность, стоимость, задержку и безопасность PHI.
• Разрабатывать и вносить вклад в переиспользуемые AI‑поддерживаемые инженерные возможности, которые могут быть приняты другими инженерами и командами.
• Сотрудничать с инженерами, продуктом, данными и специалистами в области здравоохранения для преобразования сложных исходных данных в надёжную и пригодную к использованию информацию о здоровье.

• 6+ лет профессионального опыта в инженерии данных, разработке backend/microservices, HealthTech или совместимости в сфере здравоохранения.
• Сильные практические навыки работы с Python, включая продакшн‑уровень обработки данных и разработку конвейеров.
• Доказанный опыт полного владения конвейерами данных в продакшн, охватывающий загрузку, трансформацию, валидацию, доставку, мониторинг, устранение неполадок и операционную поддержку.
• Глубокий опыт работы с Apache Spark/PySpark в масштабе, включая партиционирование, оптимизацию производительности, настройку памяти и распределённую обработку.
• Опыт работы с современными lakehouse‑технологиями, такими как Databricks и Delta Lake, или аналогичными платформами.
• Сильный опыт проектирования ETL/ELT‑конвейеров, включая CDC, инкрементную/дельта‑обработку, идемпотентную обработку, эволюцию схем, а также пакетные и потоковые нагрузки.
• Отличные навыки SQL и твердое понимание моделирования данных, трансформации, валидации и принципов качества данных.
• Практический опыт работы с FHIR R4, включая ресурсы, профили, Bundles, валидацию и трансформацию медицинских данных.
• Знание HL7 v2.x и концепций совместимости в сфере здравоохранения.
• Понимание стандартов US Core и USCDI и их применения к медицинским данным.
• Опыт работы с паттернами трансформации медицинских данных, такими как HL7/C‑CDA в FHIR.
• Понимание терминологических стандартов здравоохранения, таких как SNOMED CT, LOINC и RxNorm.
• Опыт работы с доменами медицинских данных, такими как клинические данные, претензии, покрытие, право на обслуживание или сопутствующие наборы данных.
• Глубокое понимание практик продакшн‑инженерии, включая Git, CI/CD, автоматическое тестирование, наблюдаемость, надёжность и устранение инцидентов.
• Доказанная способность самостоятельно брать новый источник данных или неоднозначную инженерную задачу от начального анализа до развертывания и эксплуатации в продакшн.
• Практический опыт использования AI‑агентов кодирования, таких как Claude Code или аналогичных инструментов, как неотъемлемой части инженерного рабочего процесса.
• Умение применять AI‑поддерживаемую разработку с соответствующим инженерным суждением, обеспечивая, чтобы генерируемые или поддерживаемые решения оставались протестированными, детерминированными при необходимости, безопасными и защищёнными PHI.
• Сильное чувство ответственности, аналитическое мышление и навыки коммуникации.
• Профессиональный уровень английского, достаточный для прямого взаимодействия с инженерами, продуктом и специалистами из США.

• Глубокий опыт работы с платформами совместимости в сфере здравоохранения на основе FHIR, работающими в масштабе.
• Опыт сопоставления пациентов, связывания записей, разрешения сущностей, дедупликации и управления идентификацией.
• Опыт нормализации терминологии здравоохранения и терминологических сервисов.
• Опыт трансформации сложных клинических документов C‑CDA/CDA.
• Опыт интеграции данных из нескольких платформ EHR/EMR.
• Опыт работы с PHI и регулируемыми медицинскими данными, включая соображения безопасности и конфиденциальности, связанные с HIPAA.
• Опыт работы с наборами данных поставщиков/референсных данных, такими как национальные реестры поставщиков.
• Опыт оптимизации облачных нагрузок обработки данных для снижения стоимости, повышения пропускной способности и масштабируемости.
• Опыт создания переиспользуемых AI‑навыков, агентов или AI‑поддерживаемых инженерных рабочих процессов для инженерии данных.
• Знакомство с оценкой LLM, ограничениями, конфиденциальностью данных и определением, когда детерминированная/правил‑базированная обработка предпочтительнее решения на основе LLM.

Мы привержены развитию справедливости, разнообразия и инклюзии как работодатель равных возможностей. Все кандидаты будут рассматриваться без дискриминации по признаку расы, цвета кожи, религии, возраста, пола, национальности, инвалидности, сексуальной ориентации, гендерной идентичности или выражения, статуса ветерана или любого другого признака, защищённого применимым законодательством.

Мы приветствуем и ценим уникальность каждого человека. Присоединяйтесь к Intellias, чтобы построить карьеру, где ваши взгляды и вклад имеют решающее значение для нашего общего успеха.