Director de Alianzas

• Licenciatura o grado superior en epidemiología, bioestadística, informática de la salud, ciencia de datos, ciencias de la vida o un campo cuantitativo relacionado. Se preferirá un título avanzado (MSc, MPH, PhD).
• Más de 7 años de experiencia en RWE, ciencia de datos de salud, epidemiología o roles de estrategia de datos dentro de la industria farmacéutica, biotecnológica, healthtech o un proveedor importante de RWD, con una trayectoria demostrable realizando personalmente evaluaciones técnicas de datos (no solo gestionando relaciones con proveedores).
• Capacidad técnica práctica para evaluar la calidad, integridad, representatividad, disponibilidad de variables, sistemas de codificación (ICD, SNOMED, NDC, OMOP, FHIR), viabilidad de vinculación y adecuación para un propósito frente a preguntas de investigación específicas.
• Comprensión de los datos multimodales, incluyendo datos clínicos estructurados, datos moleculares/genómicos, imagen, biomarcadores digitales y resultados reportados por el paciente, y cómo estos pueden integrarse para aplicaciones de analítica avanzada e IA/ML.
• Relaciones existentes con proveedores de datos construidas mediante la evaluación técnica directa y la resolución colaborativa de problemas, a través de proveedores de EHR, bases de datos de reclamaciones, proveedores de datos genómicos/moleculares, registros, custodios de datos académicos y plataformas de salud digital.
• Experiencia con RWE de nivel regulatorio: familiaridad con las expectativas de la EMA y la FDA para las presentaciones de evidencia del mundo real, brazos de control externos y generación de evidencia post-comercialización.
• Capacidad demostrada para gestionar asociaciones complejas, incluyendo diligencia debida, contratación, diseño de pilotos, gobernanza, gestión del rendimiento y renovación.
• Fuertes habilidades de colaboración transversal: capacidad para trabajar con ciencia de datos, epidemiología, desarrollo clínico, legal, privacidad, compras y cumplimiento en una organización matricial grande.
• Excelentes habilidades de comunicación: capacidad para traducir las evaluaciones técnicas de datos en recomendaciones claras para interlocutores sénior y audiencias no técnicas, incluyendo narrativas de decisión concisas con opciones, compensaciones (trade-offs) y próximos pasos propuestos.

• Experiencia directa con plataformas de datos clave relevantes para la cartera de AZ en Oncology y Rare Disease. Familiaridad con las áreas de oncología y/o enfermedades cardiometabólicas/respiratorias y sus necesidades específicas de generación de evidencia.
• Experiencia evaluando socios de datos habilitados por IA, incluyendo empresas que ofrecen endpoints curados por NLP, modelos fundacionales entrenados con datos clínicos o capacidades de análisis de datos agénticas.
• Conocimiento de la tokenización de datos, la analítica federada y la computación que preserva la privacidad como modelos de asociación emergentes.
• Exposición al apoyo en el diseño de ensayos clínicos: comprensión de cómo el RWD informa la viabilidad, la identificación de centros, los brazos de control externos y la emulación de ensayos.
• Experiencia con las necesidades de datos de economía de la salud e investigación de resultados (HEOR) para el acceso al mercado y las presentaciones de HTA.
• Familiaridad con los métodos de inferencia causal (p. ej., emparejamiento por puntuación de propensión, variables instrumentales, emulación de ensayos objetivo) y cómo la estructura y calidad de los datos impactan en las elecciones metodológicas.
• Exposición a ecosistemas de venture/startups: comprensión de cómo operan las empresas de datos de salud en etapas tempranas, sus trayectorias de madurez y cómo evaluar socios antes de su escalado.

Estamos construyendo un motor de Enterprise AI conectado y de extremo a extremo, que une los fundamentos de datos, la tecnología de IA, la reinvención de procesos y la 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 geografías y funciones, y te obsesionará escalar el impacto en lugar de construir de forma aislada. Si prosperas en entornos de alta colaboración donde tu función es convertir problemas complejos y transversales en capacidades reutilizables para toda la empresa —y donde la medida del éxito es la adopción y la escala, no solo la innovación—, tendrás la plataforma (y el respaldo) para hacerlo realidad.

Este puesto se sitúa en la intersección de los equipos de Clinical Intelligence y RWE de AstraZeneca y el ecosistema externo en rápida evolución de empresas de plataformas de IA/ML, desarrolladores de modelos fundacionales, socios de analítica multimodal y proveedores de datos del mundo real. El Data & AI Partnerships Lead garantizará que los equipos de áreas terapéuticas en Oncology (Lung/HNSCC, Women's Cancer, GI/GU, Haematology) y Biopharmaceuticals (CVRM, Respiratory, Immunology, Infectious Disease) puedan acceder, evaluar y movilizar las capacidades externas adecuadas —ya sean modelos fundacionales, plataformas computacionales, herramientas de IA agéntica o conjuntos de datos— para impulsar la generación de evidencia, la analítica multimodal y la toma de decisiones clínicas asistida por IA.

El candidato seleccionado será un operador técnico con perfil "T-shaped": con un conocimiento profundo en la evaluación de socios de IA/ML y computacionales, y con la amplitud suficiente en datos del mundo real para iniciar y enmarcar las evaluaciones de datos antes de entregarlas a los expertos de RWE de cada TA para su validación profunda. Este no es un rol tradicional de desarrollo de negocio. En una semana típica, esta persona podría estar:

• Evaluando el enfoque de un socio de modelos fundacionales multimodales para integrar datos de imagen, genómicos y clínicos para la estratificación de pacientes en cáncer de pulmón
• Evaluando si las capacidades de orquestación de una plataforma de IA agéntica son compatibles con la infraestructura del equipo
• Iniciando una revisión de adecuación (fit-for-purpose) de un nuevo proveedor de datos moleculares: definiendo el alcance de las preguntas clave, realizando un control inicial de integridad y, posteriormente, entregando la evaluación detallada a nivel de variable al Lung or GI/GU RWE Strategy Lead para su validación específica del dominio
• Informando a los interlocutores sénior sobre una recomendación de "build-vs-license" (desarrollo propio frente a licencia) para una capacidad de simulación de ensayos clínicos

El candidato adecuado construirá su red mediante la colaboración técnica directa con socios de IA y datos, y se sentirá tan cómodo interrogando la metodología de entrenamiento y la evidencia de validación de un modelo como planteando una pregunta sobre la calidad de los datos para que un experto de la TA la resuelva.

• Evaluación Técnica de Datos: Evaluación práctica de conjuntos de datos externos frente a preguntas de evidencia específicas: evaluación de volumen, integridad, representatividad, disponibilidad de variables, capacidad de vinculación, latencia, estándares de codificación y aceptabilidad regulatoria.
• Búsqueda de Socios de Datos y Red: Mantener y ampliar una red seleccionada de proveedores de RWD, datos genómicos, de imagen, de reclamaciones (claims), EHR, registros y salud digital relevantes para las necesidades de evidencia de Oncology y Biopharmaceuticals.
• Alineación de la Evidencia de la TA: Colaborar con los RWE Strategy Leads, los Multimodal Analytics Leads y los Data Scientists en todas las TA para traducir las brechas de evidencia en requisitos de obtención de datos.
• Ciclo de Vida de la Asociación: Responsabilizarse de la gestión integral de las asociaciones de datos, desde la búsqueda y la evaluación de pilotos hasta la contratación, la incorporación, la gobernanza del rendimiento, la renovación y la expansión, alineada con las necesidades del negocio.
• Estrategia de Datos Transversal entre TA: Identificar oportunidades para aprovechar una única asociación de datos en múltiples áreas terapéuticas, maximizando el valor y reduciendo la duplicidad.
• Alineación Regulatoria y de Cumplimiento: Garantizar que todas las asociaciones de datos propuestas cumplan con los estándares de privacidad, gobernanza ética y evidencia de nivel regulatorio (EMA RW-DQF, FDA RWE guidance, GDPR, HIPAA).

1. Originar y Cualificar Asociaciones Estratégicas

• Liderar evaluaciones de adecuación utilizando un marco estructurado que cubra: volumen/profundidad, fiabilidad/integridad, usabilidad/interoperabilidad, potencial de vinculación y cumplimiento regulatorio.
• Diseñar y ejecutar análisis piloto para poner a prueba la calidad de los datos, la disponibilidad de variables, la precisión de la codificación y la viabilidad de la cohorte antes de recomendar acuerdos a gran escala.
• Evaluar el potencial de integración multimodal: determinar si los conjuntos de datos de los socios pueden vincularse con activos internos u otras fuentes externas (p. ej., EHR + genómico + imagen) para dar soporte a los clasificadores multimodales y los modelos de IA/ML desarrollados por los equipos de TA Computational Analytics.
• Proporcionar opiniones técnicas sobre la idoneidad de los datos para casos de uso específicos, incluyendo brazos de control externos, emulación de ensayos, validación de biomarcadores, estratificación de pacientes, identificación de centros y comparativa de eficacia (benchmarking).
• Desarrollar y mantener plantillas de evaluación estandarizadas —incluyendo diccionarios de datos, tarjetas de puntuación de integridad, puntos de referencia de representatividad y listas de verificación de preparación regulatoria— que puedan aplicarse de forma coherente en todas las evaluaciones de asociaciones.

2. Construir y Mantener una Red de Socios de Datos de Primer Nivel

• Desarrollar un mapa dinámico del panorama de proveedores de datos externos en áreas de reclamaciones, EHR, moleculares/genómicos, imagen, resultados reportados por el paciente, biomarcadores digitales y conjuntos de datos vinculados, organizados por relevancia terapéutica, geografía y modalidad de datos.
• Cultivar relaciones profundas con socios estratégicos y proveedores emergentes en datos multimodales y habilitados por IA, construidas mediante la evaluación técnica directa y la resolución colaborativa de problemas, no únicamente a través de canales comerciales.
• Identificar proactivamente nuevos participantes —startups, consorcios académicos, colaboraciones de sistemas de salud y conjuntos de datos vinculados al gobierno— que puedan abordar necesidades de evidencia no cubiertas.
• Mantener un conocimiento actualizado del panorama competitivo, incluyendo cómo las empresas pares están obteniendo y aprovechando los datos externos, y dónde existen oportunidades de mercado no explotadas (white-space).

3. Alinear las Asociaciones de Datos con las Prioridades de Evidencia de la TA

• Colaborar directamente con los TA RWE Strategy Leads para comprender las necesidades de evidencia priorizadas y traducirlas en requisitos de obtención de datos.
• Apoyar a los grupos (pods) de TA Multimodal y Computational Analytics identificando conjuntos de datos que permitan la analítica avanzada, incluyendo datos moleculares para modelos fundacionales, datos de imagen para analítica y RWD longitudinal para la simulación de ensayos clínicos.
• Informar al desarrollo de la plataforma garantizando que las asociaciones de datos sean compatibles con las herramientas internas y los flujos de trabajo de IA agéntica.
• Participar en los ciclos de planificación de evidencia de la TA para anticipar las futuras necesidades de datos con 6-12 meses de antelación a los plazos de entrega, asegurando que las asociaciones estén establecidas antes de que comience la generación de evidencia.

4. Impulsar la Gobernanza de las Asociaciones y la Realización de Valor

• Establecer procesos estandarizados de evaluación y gobernanza, incluyendo la puntuación transversal (con RWE, Data Science, Legal, Privacy, Procurement y Finance), marcos de KPI y revisiones periódicas del rendimiento.
• Responsabilizarse de las decisiones de renovación y expansión: evaluar si las asociaciones existentes siguen aportando valor, identificar oportunidades para ampliar el acceso a través de las TA o geografías, y recomendar la consolidación o terminación cuando sea apropiado.
• Realizar el seguimiento y reportar el ROI de las asociaciones: cuantificar el impacto en términos de evidencia generada, ahorro de costes, decisiones de diseño de ensayos informadas y presentaciones regulatorias apoyadas.
• Gestionar la supervisión financiera: seguimiento de presupuestos, facturación y renovaciones de contratos, garantizando al mismo tiempo el cumplimiento de las normativas de privacidad de datos y las prácticas éticas de manejo de datos.

5. Apoyar la Ejecución de Transacciones y la Movilización

• Trabajar con los departamentos de compras (procurement), legal, cumplimiento y finanzas para apoyar la diligencia debida (due diligence), la contratación, el diseño del modelo operativo y la configuración de la gobernanza para las asociaciones seleccionadas.
• Definir los objetivos de la asociación, las métricas de éxito, los derechos de decisión, los requisitos de recursos y los hitos de implementación para asegurar un traspaso disciplinado de la evaluación a la entrega.
• Negociar los términos de acceso a los datos que equilibren la utilidad científica con la privacidad, el cumplimiento y las restricciones comerciales.

6. Contribuir a la Estrategia de Datos e IA de la Empresa

• Informar al marco de "build-integrate-license" (desarrollar-integrar-licenciar): asesorar sobre cuándo licenciar datos externos frente a desarrollar capacidades internas o integrarse con plataformas existentes.
• Apoyar la agenda de generalización entre TA: identificar activos de datos que puedan servir a múltiples áreas terapéuticas y permitir los patrones de desarrollo secuenciales o paralelos descritos en el modelo operativo AITC.
• Mantenerse al día sobre el panorama en evolución: expectativas regulatorias para RWE (EMA, FDA), modalidades de datos emergentes, marcos de privacidad, tokenización, analítica federada y curación de datos habilitada por IA.
• Contribuir a la creación de capacidades internas: compartir conocimientos sobre las mejores prácticas de obtención de datos, métodos de evaluación de socios y modalidades de datos emergentes con los equipos más amplios de AITC.

Cuando reunimos a equipos inesperados en una misma sala, desatamos un pensamiento audaz con el poder de inspirar medicamentos que cambian vidas. El trabajo presencial nos brinda la plataforma que necesitamos para conectar, trabajar con rapidez y desafiar percepciones. Por eso trabajamos, de media, un mínimo de tres días por semana desde la oficina. Pero eso no significa que no seamos flexibles. Equilibramos la expectativa de estar en la oficina respetando la flexibilidad individual. Únete a nuestro mundo único y ambicioso.

• Técnicamente creíble y comercialmente astuto: igualmente cómodo en un análisis profundo de la calidad de los datos y en una negociación comercial, pero liderando con rigor técnico.
• Mentalidad de conector: tiende puentes activamente entre la innovación externa y las necesidades de evidencia internas en múltiples áreas terapéuticas.
• Riguroso pero pragmático: aplica marcos de evaluación estructurados reconociendo que los datos "perfectos" rara vez existen y que la adecuación depende del contexto.
• Proactivo y con red de contactos: escanea continuamente el panorama y aporta oportunidades antes de que los equipos sepan que las necesitan.
• Líder compasivo: escucha para entender, no para responder. Genera confianza rápidamente con líderes sénior, expertos técnicos y socios externos.
• Emprendedor y enfocado en resultados: cómodo operando con ambigüedad mientras mantiene altos estándares de integridad, gobernanza y cumplimiento.