Описание
Intellias ищет Lead Healthcare Data Engineer для присоединения к крупной инициативе в области цифрового здравоохранения, направленной на создание FHIR-платформы для медицинских данных и преобразование фрагментированных данных здравоохранения в чистую, стандартизированную и надёжную информацию. Роль требует как глубокой практической инженерной экспертизы, так и широкого технического влияния — создания переиспользуемых фреймворков и стандартов, наставничества опытных инженеров и повышения инженерной планки в команде.
Задачи
•Задавать техническое направление для инженерии данных здравоохранения на всех этапах: сбор, трансформация, валидация, нормализация и доставка.
•Владеть сквозной архитектурой крупномасштабных распределённых пайплайнов данных, преобразующих разнородные исходные данные в чистый, соответствующий стандартам FHIR.
•Проектировать и развивать масштабируемые решения с использованием Python, Spark/PySpark, Databricks/Delta Lake и современных технологий обработки данных.
•Диагностировать и устранять сложные проблемы производительности и масштабируемости в распределённых рабочих нагрузках данных.
•Устанавливать стандарты и переиспользуемые фреймворки для качества данных, дедупликации, связывания пациентов/записей, нормализации терминологии и надёжной идемпотентной обработки.
•Определять архитектурные паттерны для трансформации FHIR, валидации, эволюции схем и доставки в продакшен.
•Строить и развивать возможности автоматизированного тестирования и валидации для качества данных и соответствия FHIR.
•Устанавливать инженерные паттерны и переиспользуемый инструментарий, позволяющий команде быстрее и консистентнее доставлять новые возможности для работы с данными здравоохранения.
•Продвигать PHI-безопасные инженерные практики и обеспечивать соответствие решений применимым требованиям безопасности, приватности и соответствия.
•Делать AI-native подход практической частью модели разработки команды, используя кодирующих агентов и переиспользуемые AI-возможности для автоматизации рутинной работы и ускорения сложных инженерных задач.
•Устанавливать инженерные гарантии (guardrails) для AI-ассистированной разработки, обеспечивая корректность, тестируемость, безопасность, наблюдаемость и PHI-безопасность AI-сгенерированных решений.
•Определять, где детерминированная обработка даёт лучшую надёжность, чем подходы на базе AI/LLM, и устанавливать соответствующие архитектурные паттерны для обоих случаев.
•Наставлять Senior и Middle инженеров через дизайн-ревью, парное программирование, техническое руководство и обмен знаниями.
•Вести сложные, неоднозначные инженерные задачи от первоначального исследования через архитектуру, реализацию до работы в продакшене.
•Сотрудничать с инженерными, продуктовыми, security, data и healthcare-domain стейкхолдерами для перевода сложных требований интероперабельности в масштабируемые технические решения.
•Представлять сильные практики инженерии данных здравоохранения в соответствующих обсуждениях архитектуры, стандартов и технологий.
Требования
•8+ лет профессионального опыта в инженерии данных, платформах данных здравоохранения, HealthTech или интероперабельности в здравоохранении.
•Подтверждённый опыт технического владения на уровне Lead сложными продакшен-системами, включая способность задавать техническое направление и решать проблемы, охватывающие несколько компонентов и инженерных команд.
•Сильная практическая экспертиза в Python и продакшен-грейд инженерии данных.
•Глубокий опыт работы с Apache Spark/PySpark в масштабе, включая партиционирование, оптимизацию производительности, тюнинг памяти и распределённую обработку.
•Опыт работы с современными lakehouse-технологиями, такими как Databricks и Delta Lake, или сопоставимыми платформами.
•Сильный опыт проектирования и эксплуатации крупномасштабных ETL/ELT пайплайнов, включая CDC, инкрементальную/delta обработку, идемпотентность, эволюцию схем и батчевые/стриминговые нагрузки.
•Подтверждённый опыт диагностики и устранения сложных проблем производительности и масштабируемости в распределённых системах обработки данных.
•Глубокий практический опыт с FHIR R4, включая ресурсы, профили, Bundles, валидацию и крупномасштабную трансформацию данных здравоохранения.
•Сильные знания US Core, USCDI, HL7 v2.x и паттернов трансформации C-CDA-to-FHIR.
•Сильное понимание стандартов медицинской терминологии, включая SNOMED CT, LOINC и RxNorm.
•Опыт работы с клиническими, страховыми (claims), покрытия (coverage), eligibility или сопоставимыми моделями данных здравоохранения.
•Сильный опыт в качестве данных, дедупликации, связывании записей/пациентов, нормализации терминологии и валидации.
•Сильные навыки SQL и понимание моделирования данных, эволюции схем, качества данных и продакшен архитектуры данных.
•Опыт с Git, CI/CD, автоматизированным тестированием, наблюдаемостью и продакшен-операциями.
•Сильное понимание требований безопасности, приватности и регуляторных требований здравоохранения, включая HIPAA и PHI-безопасные инженерные практики.
•Подтверждённая способность создавать переиспользуемые инженерные фреймворки, архитектурные паттерны, стандарты и практики качества данных, принятые другими инженерами.
•Продемонстрированное техническое лидерство через архитектурные/дизайн-ревью, наставничество, парное программирование и влияние на команды.
•Практический опыт использования AI coding agents, таких как Claude Code или сопоставимых агентных инженерных инструментов, как неотъемлемой части цикла разработки.
•Сильное инженерное суждение о том, когда использовать подходы на базе AI/LLM против детерминированных решений на основе правил, особенно там, где критичны корректность, стоимость, производительность или PHI-безопасность.
•Профессиональный английский, достаточный для прямого сотрудничества с US-based техническими и бизнес-стейкхолдерами.
Будет плюсом
•Глубокий опыт в крупномасштабном моделировании данных FHIR и платформах интероперабельности здравоохранения.
•Опыт с Master Patient Index (MPI), сопоставлением пациентов, разрешением идентичности или крупномасштабным связыванием записей.
•Опыт с обменом данными плательщиков (payer data exchange), включая CARIN Blue Button, Da Vinci implementation guides или аналогичные стандарты.
•Опыт работы с фармацевтическими, лабораторными или другими специализированными наборами данных здравоохранения.
•Знание ICD-10, CPT, CVX и дополнительных клинических терминологических/кодовых систем.
•Опыт с 21st Century Cures Act, ONC certification, CMS Interoperability Rule или связанными регуляторными фреймворками здравоохранения США.
•Опыт создания возможностей на базе LLM/агентов для извлечения клинических данных, нормализации, маппинга терминологии или качества данных здравоохранения.
•Опыт проектирования переиспользуемых AI skills или агентных workflow, принятых в инженерных командах.
•Вклад в open-source проекты здравоохранения, сообщества FHIR/HL7 или соответствующие индустриальные рабочие группы.
Условия
Создавая комфортную атмосферу в команде, мы помогаем людям раскрыть их истинный потенциал и достичь выдающихся результатов. Поэтому мы предлагаем ряд льгот, поддерживающих ваше благополучие и профессиональный рост.
