Rachel D.
Gründer & leitender Berater
Erfahrungen
Juni 2022 - Nov. 2023
1 Jahr 6 MonatenGründer & leitender Berater
Glass Box Medicine
- Entwickelte und implementierte KI-Strategien für die Verarbeitung biomedizinischer Daten, einschließlich Omics-Datensätzen aus dem Labor (Genomik/Proteomik/Transkriptomik) von über 50 Kunden, und setzte klassische ML- und Deep-Learning-Verfahren (MLPs, CNNs, Transformer) ein, um 95 % Genauigkeit bei der Klassifikation von Genvarianten und Protokollsimulation zu erreichen — erstellte annotierte Bibliotheken zur Feinabstimmung von LLMs für molekulare Diagnostik wie qPCR-Optimierung und Durchflusszytometrie-Gating.
- Optimierte nicht-virale genetische Modifikationsprozesse für Stammzelltherapien, indem KI für die prädiktive Modellierung von Transfektionseffizienzen (z. B. Elektroporationsparameter) integriert wurde, fehlerarme Ausbeuten (< 50 %) mit RAG-unterstützten LLMs (ChatGPT/Claude) analysierte, die Kontaminationsrisiken und Reagenzienkompatibilität simulierten, und so die Anzahl experimenteller Durchläufe in Regenerativmedizin-Projekten um 40 % verringerte.
- Entwickelte Expertensysteme für die Modellierung kardiometaboler Erkrankungen, verarbeitete EHR-gekoppelte Genomdaten (über 10 000 Proben) mit SNOMED-/ICD-Codes, annotierte Signalwege für das KI-Training zur Regulation von Stoffwechselgenen — validierte Ergebnisse gegen Laborassays wie Western Blots zur Quantifizierung von Proteinausdruck.
- Erstellte maßgeschneiderte Transformer für die 3D-Medizintechnik-Analyse (CT/MRT-Videos) in der Gewebezüchtung, extrahierte Merkmale aus volumetrischen Datensätzen zur Vorhersage zellulärer Reaktionen, mit annotierten Protokollen zur Sicherstellung der Biosicherheitskonformität (BSL-2) und logischen Machbarkeit in synthetischen Biologie-Workflows.
- Betreute funktionsübergreifende Teams zu KI-Ethik in der Biologie, entwickelte Bewertungsraster für die Prüfung von LLM-generierten Hypothesen in Laborszenarien (z. B. Steriltechnik in der Zellkultur), mit Fokus auf Erklärbarkeit für FDA-Einreichungen und reduzierte Bias bei Genvariantenaufrufen um 30 %.
- Führte vergleichende Analysen offener und geschlossener LLMs (Llama vs. Gemini) für biologische Sequenzannotation durch, feinjustierte Modelle anhand von Proteomikdaten zur Entschlüsselung von Proteininteraktionen und strukturierte Ausgaben als JSON-Datensätze für die KI-Modellnutzung in der Präventivmedizin.
- Hielt Weiterbildungsvorträge zur Integration von KI und Laborarbeit vor über 500 Fachleuten, behandelte Prompt-Engineering für die Protokollfehlerbehebung (z. B. Agarose-Gelelektrophorese-Artefakte) und RAG für literaturgestützte Hypothesentests in der Molekulargenetik.
Okt. 2018 - Bis heute
7 Jahren 2 MonatenAutor
Glass Box Blog
- Verfasste über 50 Artikel zu Anwendungen der Computerbiologie, darunter KI zur Optimierung von Stammzellprotokollen und Genomdatenannotation, lieferte detaillierte Anleitungen für Labor-KI-Hybride wie CNNs zur Fluoreszenzmikroskopie-Analyse — in über 20 Fachartikeln zitiert und beeinflusste KI-Lehrpläne an mehr als 10 Institutionen.
- Untersuchte molekulargenetische Themen wie Fehlerbehebung bei nicht-viraler Transfektion, nutzte Fallstudien aus der pferdebezogenen Stammzellforschung zur Veranschaulichung KI-gesteuerter Fehlererkennung (z. B. Off-Target-Integration durch Sequenzabgleich), mit annotierten Codebeispielen für reproduzierbare Ergebnisse.
- Analysierte Omics-Integration in kardiometabolischen Modellen, beschrieb Pipelines zur Transkriptomdatenverarbeitung mit Deep Learning und betonte ethische Annotation vielfältiger Datensätze, um Bias in präventiven Diagnostikverfahren zu reduzieren.
- Wurde 2019 als Top-Autor auf Medium im Bereich KI eingestuft, Beiträge zur Ethik in der synthetischen Biologie erreichten über 100 000 Aufrufe, einschließlich Bewertungsraster für KI-generierte Laborprotokolle wie PCR-Zyklusparameter.
Apr. 2018 - Aug. 2025
7 Jahren 5 MonatenGründer & CEO
Cydoc
- Entwarf eine auf Knowledge Graphs basierende LLM-Plattform zur Dokumentation biologischer Arbeitsabläufe, automatisierte Anamnese- und Schreibfunktionen für über 20 Praxen und sparte so pro Klinik täglich mehr als 2 Stunden durch KI-gestützte Validierung von molekularen Assay-Berichten (z. B. Genexpressions-qRT-PCR-Ergebnisse).
- Patentierte zwei Erfindungen in den USA für KI in der Integration biomedizinischer Daten, darunter graphbasierte Annotation von Omics-Datensätzen für die Präventivmedizin, die Echtzeitanpassungen von Protokollen in Stammzellkulturen ermöglicht (z. B. Medienoptimierung durch prädiktives Modellieren).
- Führte die Entwicklung eines Berichtsgenerierungsmoduls mit Transformers, feinabgestimmt auf EHR- und Genomdaten, und strukturierte Ausgaben zur Einhaltung von Richtlinien in genetischen Beratungsabläufen, mit 98 % Genauigkeit bei Variantenberichten und Biosicherheitswarnungen.
- Optimierte die Plattform für die Verarbeitung von 3D-Bilddaten (MRT/CT) in der Gewebeanalyse, annotierte volumetrische Daten für das KI-Training zur Untersuchung zellulärer Dynamiken und reduzierte den manuellen Abgleichaufwand in der Dokumentation regenerativer Therapien um 50 %.
- Sichere Fördermittel von der NC IDEA Foundation durch den Nachweis der Rolle von KI in der ethischen Handhabung biologischer Daten, einschließlich RAG für literaturgestützte Hypothesentests in molekularen Signalwegen.
Juni 2014 - Mai 2022
8 JahrenMD- und PhD-Kandidat im Medical Scientist Training Program (Informatik)
Duke University
- Verteidigte Dissertation „Towards Fully Automated Interpretation of Volumetric Medical Images with Deep Learning“ bei Dr. Lawrence Carin, entwickelte CNN-Architekturen für die 3D-CT/MRT-Analyse in der Gewebepathologie und erzielte 92 % Genauigkeit bei der Läsionssegmentierung — erstellte annotierte Datensätze für das KI-Training zu molekularen Bildgebungsprotokollen wie Immunfluoreszenzfärbung.
- Führte Forschung in Machine Learning, Computer Vision und NLP für Genetik und Gesundheitsoutcomes durch, verarbeitete über 5 000 genomische Sequenzen mit Transformern zur Variantenvorhersage und validierte die Ergebnisse anhand von Sanger-Sequenzierungen im Labor.
- Integrierte KI in molekularbiologische Arbeitsabläufe, nutzte Expertensysteme zur Simulation von Stammzelldifferenzierungs-Assays und annotierte Durchflusszytometrie-Daten zur Identifizierung von Zellsubpopulationen in kardiometabolischen Modellen.
- Mentorte mehr als 10 MSTP-Studierende bei Projekten in der Computerbiologie, begleitete Laborvalidierungen von KI-Vorhersagen (z. B. Proteinlokalisierung mittels Konfokalmikroskopie) und legte Wert auf Reproduzierbarkeit und Biosicherheit.
- Arbeitete an interdisziplinären Förderprojekten zusammen (über 1 Mio. $ vom NIH), erstellte hybride Wet-Dry-Datensätze zur Feinabstimmung von LLMs auf präventive biologische Szenarien, wie Genom-Überwachung zur Risikoabschätzung.
Juli 2013 - Juni 2014
1 JahrForschungsassistent
University of Pennsylvania - Perelman School of Medicine
- Entwickelte Bioinformatik-Pipelines für die Genomanalyse kardiometaboler Signalwege, verarbeitete RNA-Seq-Daten von über 2 000 Patientenproben mit DESeq2 zur Differenzanalyse und identifizierte über 300 Kandidatengene, die in Labornachversuchen mit qRT-PCR validiert wurden.
- Optimierte rechnerische Modelle für Simulationen des Lipidstoffwechsels, integrierte Proteomikdaten zur Vorhersage von Proteininteraktionen und annotierte Datensätze für das KI-Training zu Wegstörungen in Krankheitsmodellen.
- Fehlerbehebung bei Laborprotokollen für zellbasierte Assays (z. B. Lipidaufnahme in Hepatozyten), erreichte 85 % Transfektionseffizienz durch Lipofektion und erstellte annotierte Datensätze für ML-basierte Phänotypklassifizierung.
- Mitarbeit an einem Manuskript zu genetischen Risikofaktoren, erstellte Variantendatensätze für Assoziationsstudien mit PLINK und sorgte für ethische Annotation vielfältiger Populationen.
Okt. 2011 - Mai 2013
1 Jahr 8 MonatenForschungsassistent
Cornell University - Labor für vergleichende Orthopädie
- Entwickelte nicht-virale Transfektionssysteme für Stammzellen, testete Elektroporation und Liposomenmethoden an über 500 Kulturen und erzielte über 70 % Effizienz bei der GFP-Expression mittels Durchflusszytometrie—Fehlerbehebung bei Vitalitätsproblemen mit Trypanblau-Färbung und Optimierung des Mediums (DMEM + FBS).
- Führte Nasslaborexperimente zur Bestimmung des therapeutischen Potenzials durch, einschließlich Proliferation (MTT), Differenzierung (Alizarinrot für Osteogenese) und Genexpression (RT-PCR für osteogene Marker), und dokumentierte die Ergebnisse für die computergestützte Modellierung des Zellschicksals.
- Isolierte und vermehrte mesenchymale Stammzellen aus Knochenmarkaspiraten mittels Ficoll-Dichtegradientenzentrifugation und plastischer Adhärenz, kultivierte sie unter BSL-2-Bedingungen mit regelmäßigen Mykoplasmen-Tests.
- Validierte Modifikationen mittels Western Blots für Proteinmarker (z. B. Runx2), führte Densitometrie in ImageJ durch und annotierte Protokolle zur Reproduzierbarkeit in Anwendungen der regenerativen Orthopädie.
- Mitarbeit an Förderanträgen für Stammzelltherapien, kuratierte Datensätze aus über 100 Experimenten für die KI-Simulation von Differenzierungstrajektorien.
Zusammenfassung
Erfahrener MD/PhD-Arzt-Wissenschaftler mit Doppelqualifikation in Computerbiologie und Molekulargenetik, spezialisiert auf KI-gestützte Laborprotokolle für Stammzelltechnik, Genomanalyse und Modellierung kardiometaboler Erkrankungen – ideal geeignet, komplexe biologische Fragestellungen für das KI-Modelltraining in Teilbereichen wie Molekularbiologie, Genetik, synthetische Biologie und zellbasierte Therapien aufzubereiten und zu bewerten. Als Gründer und leitender Berater bei Glass Box Medicine habe ich über 100 Projekte abgeschlossen, in denen ich KI-Lösungen für biomedizinische Datenpipelines optimiert habe, darunter EHR-integrierte Genomdatensätze, 2D-/3D-Medizintechnik (z. B. CT/MRT für Gewebeanalysen) und Omics (Genomik/Proteomik/Transkriptomik). Ich nutze Techniken wie CNNs, Transformer und LLMs (Llama, ChatGPT mit RAG/Feinabstimmung), um über 95 % Genauigkeit in Variantenvorhersage und Protokollsimulation zu erreichen. Meine Laborerfahrung reicht von nicht-viralem genetischem Eingriff in mesenchymale Stammzellen über Computerbiologie kardiometaboler Signalwege bis hin zur praktischen Optimierung von Transfektionseffizienzen, was sich direkt auf die Erstellung reproduzierbarer Datensätze aus Protokollen wie CRISPR-Editing, qPCR zur Genexpressionsanalyse und Durchflusszytometrie zur Zellvitalitätsprüfung übertragen lässt. Als Autor des Glass Box Medicine-Blogs (über 700 000 Leser aus 170 Ländern) und Gründer von Cydoc (B2B-SaaS zur KI-gestützten medizinischen Dokumentation, patentierte Knowledge-Graph-Verankerung) lege ich großen Wert auf Sicherheit, Transparenz und Erklärbarkeit an der Schnittstelle von KI und Biologie und passe Lösungen für spezialisierte Arbeitsabläufe an. Ich freue mich darauf, erstklassige KI-Labore zu unterstützen, indem ich annotierte Datensätze aus realen Laborszenarien (z. B. Stammzelldifferenzierungs-Assays) erstelle, KI-generierte Lösungen auf experimentelle Machbarkeit nach FDA/CDC-Standards überprüfe und fachkundige Rückmeldungen zu Hypothesentests, Kontaminationsfehlern und Biosicherheitsanforderungen gebe. Ich bin fachärztlich in Dermatologie zertifiziert und habe einen PhD in Informatik von der Duke University. Meine Leidenschaft ist es, Laborpräzision und KI zu verbinden, um biologisches Denken in Präventivmedizin und regenerativen Therapien voranzubringen.
Sprachen
Englisch
MutterspracheAusbildung
Okt. 2017 - Juni 2019
Duke University
Master of Science · Informatik · Durham, Vereinigte Staaten
Okt. 2010 - Juni 2013
Cornell University
Bachelor of Arts · Biowissenschaften · Ithaca, Vereinigte Staaten
Duke University
Doktor der Medizin · Medizin · Durham, Vereinigte Staaten
...und 1 Weitere
Zertifikate & Bescheinigungen
Board-Zertifizierung in Dermatologie
American Board Of Dermatology
Arzthelizenz – North Carolina
NC Medical Board
Biosicherheit in mikrobiologischen und biomedizinischen Laboratorien (BMBL)
CDC/NIH
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.