Halim Abbas, Chief AI Officer bei Cognoa – Interview-Serie

Halim Abbas ist der Chief AI Officer bei Cognoa, er ist ein AI-Innovator und Branchen-Veteran, der weltweit führende Datenwissenschaftsprojekte bei Technologie-Unternehmen wie eBay und Teradata geleitet hat. Cognoa ist darauf ausgerichtet, einen unübertroffenen Standard der Versorgung in der pädiatrischen Verhaltensgesundheit zu schaffen, der einen gleichberechtigten Zugang zu frühen Interventionen durch die Lieferung hochwertiger Produkte zur Verbesserung der Lebensergebnisse für alle Kinder und Familien gewährleistet.

Was hat Sie ursprünglich zur Maschinenlernen und Datenwissenschaft hingezogen?

Ich war schon als Kind an Computerprogrammierung interessiert. Später im Leben neigte ich mich wegen des unwiderstehlichen Verlangens, an der Grenze der Forschung zu arbeiten und die offenen Herausforderungen dessen zu erkunden, was durch computergesteuerte Algorithmen erreicht werden kann, zum aufkommenden Feld des Maschinenlernens.

Als ehemaliger Senior Research Scientist bei Ebay haben Sie Erfahrung im Optimieren von Suchergebnis-Rankings für die Ebay-Plattform. Welche grundlegenden Lektionen in der Maschinenlernen haben Sie aus dieser Erfahrung gelernt?

Bei eBay wurde mein Team mit der Entwicklung des ersten maschinenlernbasierten Suchergebnis-Rankings-Algorithms des Unternehmens beauftragt. Mit zig Millionen Artikeln, die zum Verkauf stehen, und Milliarden Suchanfragen pro Tag, war die größte technische Herausforderung, die überwältigende Größe zu überwinden.

Letztendlich denke ich, dass meine größte Erkenntnis aus dieser Erfahrung war, eine offene Meinung über die Definition des Ziels selbst zu bewahren. Es stellte sich heraus, dass die Suchalgorithmik, wenn sie dem Käufer nur die besten Angebote präsentierte, weniger wahrscheinlich zu Transaktionen führte. Sie mussten auch die weniger guten Angebote sehen, um die guten Angebote als solche zu erkennen. Es erforderte einen datengesteuerten Ansatz, um den Erfolg zu erreichen, sowie eine offene Meinung, um diese Tatsache zu erkennen und die Strategie entsprechend anzupassen.

Welche Bedingungen werden bei Cognoa diagnostiziert?

Cognoa ist ein Unternehmen für pädiatrische Verhaltensgesundheit, das digitale Diagnose- und Therapie-Tools entwickelt. Unser Ziel ist es, Technologie zu nutzen, um die pädiatrische Gesundheitsversorgung zu rationalisieren und die ungedeckten Bedürfnisse in der pädiatrischen Verhaltensgesundheit zu decken. Wir beginnen mit Autismus.

Welche Herausforderungen gibt es beim Aufbau eines Klassifizierungssystems zur Diagnose von Autismus und anderen Erkrankungen bei Kindern?

Abgesehen von der Tatsache, dass Vorschulkinder nicht die kooperativsten Patienten sind, ist eine der Haupt-Herausforderungen für uns, was wir als definitorisches Rauschen bezeichnen. Das bedeutet, AI-Algorithmen zu trainieren, um Erkrankungen zu klassifizieren, wenn die klinische Wissenschaft um die Grenzen dieser Erkrankungen herum noch im Wandel ist. In einigen Fällen können menschliche Fachleute untereinander über die Diagnose eines bestimmten Kindes uneins sein, und das kollektive Verständnis der zugrunde liegenden Elemente einer bestimmten Diagnose ist noch eine aufkommende Wissenschaft. Zum Beispiel wurde das, was vor einigen Jahren als Asperger-Syndrom bezeichnet wurde, jetzt als Teil des Autismus-Spektrums (ASD) angesehen, und die früheren getrennten Vorstellungen von Aufmerksamkeitsdefizitstörung (ADHS) versus Hyperaktivität werden jetzt als Aspekte einer einheitlichen Diagnose angesehen, nämlich Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS). Andere aufkommende diagnostische Klassifizierungen (wie sensorische Verarbeitungsstörung oder SPD) haben es noch nicht in das Diagnose- und Statistik-Handbuch geschafft.

Für den Datenwissenschaftler stellen diese subjektiven, sich verändernden Grenzen interessante, große Herausforderungen dar, die überwunden werden müssen.

Cognoa hat ein 3-Ergebnis-Diagnosesystem entwickelt. Warum ist das System so konzipiert?

Autismus ist eine komplexe neurodevelopmentale Erkrankung mit einer breiten Palette von Präsentationen und Komorbiditäten.

Wir haben ein Diagnose-Hilfsmittel entwickelt, um Primärärzten zu helfen, Autismus bei Kindern im Alter von 18 bis 72 Monaten, die aufgrund von Sorgen von Betreuern oder Eltern oder Ärzten ein Risiko für Entwicklungsverzögerungen haben, genau und effizient zu diagnostizieren. Cognoas Diagnose-Hilfsmittel funktioniert auf eine einzigartige Weise, indem es Eingaben von Betreuern oder Eltern und Ärzten sammelt und kombiniert, um sie in einer Lösung zu analysieren, um vorhersehbare Autismus-Signale zu erkennen. Unser Diagnose-Hilfsmittel verwendet AI, um alle Eingaben zu bewerten und – wenn die Informationen ausreichend sind – ein positives oder negatives Ergebnis für Autismus bereitzustellen, das der Pädiater in Kombination mit der klinischen Präsentation des Kindes verwendet, um eine Diagnose zu stellen und entsprechende Schritte in der Versorgung zu veranlassen.

Um das Risiko falscher Klassifizierungen zu verringern, wurde der Algorithmus auch so konzipiert, dass er ein unbestimmtes Ergebnis als Risikokontrollmaßnahme bereitstellt, um die hohen Vorhersagewerte der “positiv/negativ für Autismus”-Ergebnisse zu gewährleisten und die Wahrscheinlichkeit falscher Negativ-Ergebnisse (da falsche Negativ-Ergebnisse das höchste Risiko im Zusammenhang mit der Gerätenutzung darstellen) zu minimieren. Dieses Verfahren, bei dem von einer Vorhersage abgesehen wird, wenn die Modellantwort auf niedriges Vertrauen hinweist, ist eine Standard-Methode der Risikokontrolle in maschinellen Lernalgorithmen.

Können Sie erläutern, wie Cognoa elterliche Vorurteile bei den Daten überwindet, die von den Eltern bereitgestellt werden?

Gute Frage. Einer der größten Vorteile des maschinellen Lernens ist, dass es besonders nützlich ist, um Quellen von Rauschen und Vorurteilen in den Eingabedaten zu überwinden. Die Berichte der Eltern über ihre eigenen Kinder sind erwartungsgemäß subjektiv und voreingenommen, aber aufgrund sehr langer Beobachtungszeiträume, während klinische Berichte wahrscheinlich objektiv, aber auch weniger informiert aufgrund kurzer Beobachtungszeiträume sind.

Indem wir beide Eingabemengen in einen einzigen maschinellen Lernprozess kombinieren, kann der maschinelle Lernalgorithmus die komplementäre Natur dieser Eingaben anpassen und Muster lernen, die verwendet werden können, um die beste Information aus beiden Informationsmengen in eine einzige Bestimmung zu überführen, die zuverlässiger ist als jede einzelne Berichterstattung.

Welche Datenwissenschaft-Best-Practices werden bei Cognoa verwendet, um rassische oder geschlechtsspezifische Vorurteile in den Daten zu vermeiden?

Als Unternehmen ist Cognoa darauf ausgerichtet, Produkte für einen gleichberechtigten Zugang zur Versorgung zu entwickeln. Wir sind uns bewusst, dass AI-basierte Innovationen das Potenzial haben, inhärente Vorurteile in der Gesellschaft zu absorbieren und zu verstärken. Zum Beispiel werden Mädchen im Durchschnitt 1,5 Jahre später diagnostiziert als Jungen und eines von vier Kindern unter acht Jahren, die mit Autismus leben, werden nicht diagnostiziert, weil es in unserem aktuellen System an Zugang mangelt und weil die Diagnose historisch zu sehr auf Autismus-Merkmale bei weißen Jungen ausgerichtet war, die möglicherweise andere Merkmale von Autismus aufweisen als junge Mädchen und Kinder, die nicht weiß sind.

Um diese bestehenden Vorurteile zu bekämpfen, haben wir unsere Technologie bewusst und absichtlich so konzipiert, dass sie Unterschiede über Geschlecht, Rasse, ethnische und sozioökonomische Hintergründe hinweg berücksichtigt. Wir haben eine Sozialverantwortliche-AI-Charta verfasst und einhalten, die unsere Praktiken leitet. Unsere AI-Algorithmen wurden absichtlich entwickelt und klinisch validiert, indem wir Patientenakten-Daten von Tausenden von Jungen und Mädchen aus verschiedenen geografischen Regionen mit unterschiedlichen Hintergründen, Erkrankungen, Präsentationen und Komorbiditäten verwendet haben.

Indem wir auf externe Datenpunkte Bezug nehmen und die kombinierten Erfahrungen von Hunderten von Ärzten nutzen, indem wir gleichzeitig eine Vielzahl von menschlichen Merkmalen und Eigenschaften analysieren, hat Cognoas AI das Potenzial, Ärzten zu helfen, unbewusste Vorurteile zu überwinden.

Welche therapeutischen Lösungen werden bei Cognoa angeboten?

Aktuell bietet Cognoa keine therapeutischen Lösungen an. Es gibt jedoch mehrere Lösungen in Entwicklung bei Cognoa, und es ist klar, dass AI ein enormes Potenzial hat, um therapeutische Lösungen für Kinder mit Verhaltensstörungen zugänglicher und verfügbarer zu machen.

Gibt es noch etwas, das Sie über Ihre Arbeit bei Cognoa teilen möchten?

Ich bin nie so lange in einem Job geblieben wie in meiner aktuellen Rolle bei Cognoa. Ich denke, das liegt daran, dass ich von der Befriedigung, die ich durch die Arbeit an einem Problem bekomme, das das Leben so vieler Menschen auf so persönlicher Ebene berührt, zehre. Eltern helfen, ihre Kinder zu versorgen, ist etwa so edel, wie man es sich nur vorstellen kann.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Cognoa besuchen.