Halim Abbas, Chief AI Officer hos Cognoa – Interview Series

Halim Abbas er Chief AI Officer hos Cognoa, han er en AI-innovator og industriveteran, der stod i spidsen for datavidenskabelige projekter i verdensklasse hos teknologiskiftende teknologier som eBay og Teradata. Cognoa er dedikeret til at skabe en uovertruffen standard for pleje inden for pædiatrisk adfærdssundhed, der sikrer lige adgang til tidlig intervention ved at levere produkter af høj kvalitet for at forbedre livslange resultater for alle børn og familier.

Hvad tiltrak dig oprindeligt til maskinlæring og datavidenskab?

Jeg var altid interesseret i computerprogrammering som barn. Senere i livet graviterede jeg mod det nye område af maskinlæring på grund af det uimodståelige ønske om at operere på kanten af ​​forskning og udforske de åbne udfordringer for, hvad der er muligt at opnå gennem beregningsalgoritmer.

Som tidligere seniorforsker hos Ebay har du en baggrund i at optimere søgeresultatplaceringer til Ebay-platformen. Hvad er nogle af de grundlæggende lektioner i maskinlæring, som du har lært af denne oplevelse?

Hos eBay fik mit team til opgave at skabe virksomhedens første maskinlæringsdrevne søgeresultatrangeringsalgoritme nogensinde. Med titusindvis af millioner af varer til salg til enhver tid og milliarder af søgeforespørgsler hver dag, var den største tekniske udfordring at overvinde det overvældende omfang.

I sidste ende tror jeg, at min største takeaway fra den oplevelse var at holde et åbent sind om definitionen af ​​selve målet. Det viser sig, at hvis rangeringsalgoritmen kun med succes præsenterede shopperen for de bedste tilbud, var det mindre sandsynligt, at de ville handle. De var også nødt til at se de knap så gode tilbud for at kunne genkende de gode tilbud som sådan. Det krævede en datadrevet tilgang til succes såvel som et åbent sind at indse dette faktum og justere strategien i overensstemmelse hermed.

Hvad er nogle af de tilstande, der diagnosticeres hos Cognoa?

Cognoa er en pædiatrisk adfærdssundhedsvirksomhed, der udvikler digital diagnostik og terapi. Vores mål er at udnytte teknologi til at strømline pædiatrisk sundhedspleje og imødekomme de udækkede behov i pædiatrisk adfærdsmæssig sundhedspleje. Vi starter med autisme.

Hvad er nogle af udfordringerne bag opbygningen af ​​et klassificeringssystem til at diagnosticere autisme og andre tilstande hos børn?

Bortset fra det faktum, at førskolebørn ikke er de mest samarbejdsvillige af patienter, er en af ​​hovedudfordringerne for os, hvad vi kalder definitionsstøj. Det vil sige, at forsøge at træne AI-algoritmer til at klassificere tilstande, når den kliniske videnskab omkring grænserne for nævnte tilstande stadig er under udvikling. I nogle tilfælde kan menneskelige specialister være uenige indbyrdes om diagnosen af ​​et bestemt barn, og den kollektive forståelse af de underliggende elementer i en bestemt diagnose er stadig en ny videnskab. For eksempel betragtes det, der plejede at blive kaldt Aspergers for nogle år siden, nu inden for paraplyen af ​​autismespektrumforstyrrelser (ASD), og de tidligere adskilte begreber om opmærksomhedsunderskudsforstyrrelse (ADD) versus hyperaktivitet betragtes nu som aspekter af en samlet diagnose, opmærksomhedsunderskud hyperaktivitetsforstyrrelse (ADHD). Andre nye diagnostiske klassifikationer (som sensorisk bearbejdningsforstyrrelse eller SPD) mangler endnu at nå den diagnostiske og statistiske manual.

For dataforskeren giver disse subjektive, skiftende grænser interessante, betydelige udfordringer, der skal overvindes.

Cognoa byggede et 3-udfaldsdiagnosesystem. Hvorfor er systemet designet på denne måde?

Autisme er en kompleks neuroudviklingstilstand med en bred vifte af præsentationer og følgesygdomme.

Vi byggede et diagnosehjælpemiddel til at hjælpe primære læger med præcist og effektivt at diagnosticere autisme hos børn i alderen 18 til 72 måneder, som er i risiko for udviklingsforsinkelse baseret på en omsorgsperson eller forældres eller læges bekymring. Cognoas diagnosehjælp fungerer på en unik måde ved at indsamle og kombinere input fra både pårørende eller forældre og læger til en enkelt løsning for at analysere dem for prædiktive autismesignaler. Vores diagnosehjælpemiddel bruger AI til at evaluere alle input og - når informationen er tilstrækkelig - giver et positivt eller negativt resultat for autisme, som børnelægen bruger i kombination med den kliniske præsentation af barnet til at stille en diagnose og lede passende næste trin ind. -omsorg.

For at reducere risikoen for falske klassifikationer er algoritmen også designet til at give et ubestemt output som en risikokontrolforanstaltning for at sikre de høje forudsigelige værdier af de "positive/negative for autisme"-udfald, hvilket minimerer sandsynligheden for falske negative ( da falske negativer er den højeste risiko forbundet med brug af enheden). Denne procedure med at afholde sig fra forudsigelse, når modellens respons indikerer lavere konfidens er a standardmetode til risikokontrol i maskinlæringsalgoritmer.

Kunne du diskutere, hvordan Cognoa overvinder forældrenes skævhed, når det kommer til den type data, der leveres af forældrene?

Godt spørgsmål. En af de største fordele ved maskinlæring er, at det er særligt nyttigt at overvinde kilder til støj og bias, der forventes i inputdata. Forældres beretninger om deres egne børn forventes at være subjektive og forudindtaget, men baseret på meget lange observationsvinduer, hvorimod klinikerrapporter sandsynligvis er mere objektive, men også mindre informerede på grund af korte observationsvinduer.

Ved at kombinere begge inputsæt i en enkelt maskinlæringsproces er maskinlæringsalgoritmen i stand til at tilpasse sig den komplementære karakter af disse input og lære mønstre, der kan bruges til at udnytte det bedste fra begge informationssæt til en enkelt bestemmelse, der er mere pålidelige end hver konto individuelt.

Hvad er nogle datavidenskabelige bedste praksisser, der bruges hos Cognoa for at undgå enten race- eller kønsbias i data?

Som virksomhed er Cognoa forpligtet til at bygge produkter for lige adgang til pleje. Vi er klar over, at AI-baserede innovationer har potentialet til at absorbere og forstærke iboende skævheder i samfundet. For eksempel får piger i gennemsnit diagnosen 1.5 år senere end drenge og et ud af fire børn under 8 år, der lever med autisme, de fleste af dem sorte eller latinamerikanske, er ikke bliver diagnosticeret overhovedet. Dette skyldes den manglende adgang i vores nuværende system, og fordi diagnosen historisk har været skæv mod autismetræk, der er udbredt hos hvide drenge, som kan præsentere karakteristika ved autisme anderledes end unge piger og børn, der ikke er hvide.

For at imødegå disse eksisterende skævheder har vi bevidst og bevidst bygget vores teknologi til at tage højde for forskelle på tværs af køn, race, etnisk og socioøkonomisk baggrund. Vi skrev og overholder et socialt ansvarlig AI-charter, der styrer vores praksis. Vores AI-algoritmer er bevidst udviklet og klinisk valideret ved hjælp af patientjournaldata, der tilhører tusindvis af drenge og piger på tværs af geografiske områder med forskellige baggrunde, forhold, præsentationer og komorbiditeter.

Ved at referere til skare af eksterne datapunkter og bruge de kombinerede erfaringer fra hundredvis af læger, samtidig med at analysere en række forskellige menneskelige egenskaber og funktioner, har Cognoas AI potentialet til at hjælpe læger med at tackle ubevidst bias.

Hvad er nogle af de terapeutiske løsninger, der tilbydes hos Cognoa?

I øjeblikket har Congoa ikke tilgængelige terapeutiske løsninger til brug. En række løsninger er dog under udvikling hos Cognoa, og det er klart, at AI har et enormt potentiale til at gøre terapeutiske løsninger mere tilgængelige og tilgængelige for børn med adfærdsmæssige forhold.

Er der andet, du gerne vil dele om dit arbejde hos Cognoa?

Jeg har aldrig været i ét job så længe som min nuværende rolle i Cognoa. Jeg tror, ​​det er på grund af den tilfredsstillelse, jeg får ved at arbejde med et problem, der berører så mange menneskers liv på et så personligt niveau. At hjælpe forældre med at tage sig af deres børn er omtrent lige så ædelt et kald, som man nogensinde kunne håbe på.

Tak for det gode interview, læsere, der ønsker at lære mere, bør besøge Cognoa.