Halim Abbas, Directeur des opérations d’IA chez Cognoa – Série d’entretiens

Halim Abbas est le Directeur des opérations d’IA chez Cognoa, il est un innovateur en IA et un vétéran de l’industrie qui a dirigé des projets de science des données de classe mondiale chez des entreprises comme eBay et Teradata. Cognoa se consacre à créer un standard de soins inégalé en santé comportementale pédiatrique qui assure un accès équitable à une intervention précoce en fournissant des produits de haute qualité pour améliorer les résultats à long terme pour tous les enfants et les familles.

Qu’est-ce qui vous a initialement attiré vers l’apprentissage automatique et la science des données ?

J’ai toujours été intéressé par la programmation informatique enfant. Plus tard dans la vie, je me suis orienté vers le domaine émergent de l’apprentissage automatique en raison du désir irrésistible d’opérer à la limite de la recherche et d’explorer les défis ouverts de ce qui peut être réalisé grâce à des algorithmes computationnels.

En tant qu’ancien scientifique de recherche principal chez Ebay, vous avez un background dans l’optimisation des classements de résultats de recherche pour la plateforme Ebay. Quelles sont certaines des leçons fondamentales en apprentissage automatique que vous avez apprises de cette expérience ?

Chez eBay, mon équipe était chargée de créer le premier algorithme de classement de résultats de recherche basé sur l’apprentissage automatique de l’entreprise. Avec des dizaines de millions d’articles à vendre à tout moment et des milliards de requêtes de recherche chaque jour, le plus grand défi technique était de surmonter l’échelle écrasante.

En fin de compte, je pense que ma plus grande prise de conscience de cette expérience était de garder l’esprit ouvert sur la définition de l’objectif lui-même. Il s’est avéré que si l’algorithme de classement présentait avec succès à l’acheteur les meilleures offres uniquement, ils étaient moins susceptibles de transiger. Ils devaient également voir les offres moins bonnes pour reconnaître les bonnes offres en tant que telles. Cela a nécessité une approche axée sur les données pour réussir, ainsi qu’un esprit ouvert pour réaliser ce fait et ajuster la stratégie en conséquence.

Quelles sont certaines des conditions diagnostiquées chez Cognoa ?

Cognoa est une entreprise de santé comportementale pédiatrique qui développe des diagnostics et des thérapeutiques numériques. Notre objectif est de tirer parti de la technologie pour rationaliser les soins de santé pédiatriques et répondre aux besoins non satisfaits dans les soins de santé comportementale pédiatrique. Nous commençons par l’autisme.

Quelles sont certaines des difficultés liées à la construction d’un système de classification pour diagnostiquer l’autisme et d’autres conditions chez les enfants ?

Outre le fait que les enfants d’âge préscolaire ne sont pas les patients les plus coopératifs, l’un des principaux défis pour nous est ce que nous appelons le bruit définitional. C’est-à-dire essayer de former des algorithmes d’IA pour classer les conditions lorsque la science clinique autour des limites de ces conditions est encore en évolution. Dans certains cas, des spécialistes humains pourraient ne pas être d’accord entre eux sur le diagnostic d’un enfant en particulier, et la compréhension collective des éléments sous-jacents d’un diagnostic en particulier est encore une science émergente. Par exemple, ce qui était appelé Asperger il y a quelques années est maintenant considéré comme faisant partie du spectre de l’autisme (ASD), et les notions précédentes d’hyperactivité et de déficit d’attention (TDAH) sont maintenant considérées comme des aspects d’un diagnostic unifié, le TDAH. D’autres classifications diagnostiques émergentes (comme le trouble du traitement sensoriel ou TPS) n’ont pas encore été intégrées au Manuel diagnostique et statistique.

Pour le data scientist, ces frontières subjectives et changeantes présentent des défis intéressants et importants à surmonter.

Cognoa a construit un système de diagnostic à 3 résultats. Pourquoi le système est-il conçu de cette façon ?

L’autisme est une condition neurodéveloppementale complexe avec une large gamme de présentations et de comorbidités.

Nous avons créé un outil d’aide au diagnostic pour aider les médecins de soins primaires à diagnostiquer avec précision et efficacement l’autisme chez les enfants âgés de 18 à 72 mois qui sont à risque de retard de développement en fonction d’une préoccupation des soignants, des parents ou des médecins. L’outil d’aide au diagnostic de Cognoa fonctionne de manière unique en collectant et en combinant les entrées des soignants ou des parents et des médecins dans une seule solution pour les analyser en vue de signaux prédictifs d’autisme. Notre outil d’aide au diagnostic utilise l’IA pour évaluer toutes les entrées et, lorsque les informations sont suffisantes, fournit un résultat positif ou négatif pour l’autisme que le pédiatre utilise en combinaison avec la présentation clinique de l’enfant pour fournir un diagnostic et orienter les étapes suivantes dans les soins.

Afin de réduire le risque de fausses classifications, l’algorithme a également été conçu pour fournir une sortie indéterminée en tant que mesure de contrôle des risques pour garantir les valeurs prédictives élevées des résultats « positif/négatif pour l’autisme », en minimisant la probabilité de faux négatifs (puisque les faux négatifs sont le risque le plus élevé associé à l’utilisation du dispositif). Cette procédure d’abstention de prédiction lorsque la réponse du modèle indique une confiance plus faible est une méthode standard de contrôle des risques dans les algorithmes d’apprentissage automatique.

Pouvez-vous discuter de la façon dont Cognoa surmonte les préjugés parentaux lorsqu’il s’agit du type de données fournies par les parents ?

Excellente question. L’un des principaux avantages de l’apprentissage automatique est qu’il est particulièrement utile pour surmonter les sources de bruit et de préjugés attendus dans les données d’entrée. Les comptes rendus des parents sur leurs propres enfants sont censés être subjectifs et biaisés, mais basés sur des fenêtres d’observation très longues, tandis que les rapports des cliniciens sont susceptibles d’être plus objectifs, mais également moins informés en raison de fenêtres d’observation plus courtes.

En combinant les deux ensembles d’entrées dans un processus d’apprentissage automatique unique, l’algorithme d’apprentissage automatique est capable de s’adapter à la nature complémentaire de ces entrées et d’apprendre des modèles qui peuvent être utilisés pour tirer parti des deux ensembles d’informations dans une seule détermination qui est plus fiable que chaque compte individuel.

Quelles sont certaines des meilleures pratiques en science des données utilisées chez Cognoa pour éviter les préjugés raciaux ou de genre dans les données ?

En tant qu’entreprise, Cognoa est engagée à construire des produits pour un accès équitable aux soins. Nous sommes conscients que les innovations basées sur l’IA ont le potentiel d’absorber et d’amplifier les préjugés inhérents à la société. Par exemple, les filles sont en moyenne diagnostiquées 1,5 an plus tard que les garçons et un enfant sur quatre âgé de moins de 8 ans vivant avec l’autisme, la plupart d’entre eux noirs ou hispaniques, ne sont pas diagnostiqués du tout. Cela est dû au manque d’accès dans notre système actuel et au fait que le diagnostic a historiquement été biaisé vers les traits de l’autisme prévalant chez les garçons blancs, qui peuvent présenter des caractéristiques de l’autisme différemment que les jeunes filles et les enfants non blancs.

Pour remédier à ces préjugés existants, nous avons délibérément et consciemment construit notre technologie pour tenir compte des différences entre les sexes, les races, les ethnies et les milieux socio-économiques. Nous avons rédigé et nous nous conformons à une Charte d’IA socialement responsable qui guide nos pratiques. Nos algorithmes d’IA ont été délibérément développés et validés cliniquement à l’aide de données de dossiers de patients appartenant à des milliers de garçons et de filles à travers des géographies avec des antécédents, des conditions, des présentations et des comorbidités diverses.

En référençant des points de données externes et en utilisant les expériences combinées de centaines de médecins, en analysant simultanément une variété de traits et de caractéristiques humaines, l’IA de Cognoa a le potentiel d’aider les médecins à lutter contre les préjugés inconscients.

Quelles sont certaines des solutions thérapeutiques proposées chez Cognoa ?

Actuellement, Cognoa n’a pas de solutions thérapeutiques disponibles pour utilisation. Cependant, un certain nombre de solutions sont en développement chez Cognoa, et il est clair que l’IA a un potentiel immense pour rendre les solutions thérapeutiques plus accessibles et disponibles pour les enfants ayant des troubles du comportement.

Y a-t-il autre chose que vous aimeriez partager sur votre travail chez Cognoa ?

Je n’ai jamais occupé un poste pendant aussi longtemps que mon rôle actuel chez Cognoa. Je pense que c’est parce que de la satisfaction que j’éprouve à travailler sur un problème qui touche la vie de tant de personnes à un niveau si personnel. Aider les parents à prendre soin de leurs enfants est à peu près aussi noble qu’un appel qu’on puisse espérer.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Cognoa.