Halim Abbas, Chief AI Officer di Cognoa – Interview Series

Halim Abbas adalah Chief AI Officer di Cognoa, dia adalah inovator AI dan veteran industri yang mempelopori proyek sains data kelas dunia di teknologi pengubah permainan seperti eBay dan Teradata. Cognoa berdedikasi untuk menciptakan standar perawatan yang tak tertandingi dalam kesehatan perilaku pediatrik yang memastikan akses yang adil ke intervensi dini dengan memberikan produk berkualitas tinggi untuk meningkatkan hasil seumur hidup bagi semua anak dan keluarga.

Apa yang awalnya membuat Anda tertarik pada pembelajaran mesin dan ilmu data?

Saya selalu tertarik dengan pemrograman komputer sejak kecil. Di kemudian hari, saya tertarik pada bidang pembelajaran mesin yang muncul karena keinginan yang tak tertahankan untuk beroperasi di pinggiran penelitian dan mengeksplorasi tantangan terbuka tentang apa yang mungkin dicapai melalui algoritme komputasi.

Sebagai mantan Ilmuwan Riset Senior di Ebay, Anda memiliki latar belakang dalam mengoptimalkan peringkat hasil pencarian untuk platform Ebay. Apa saja pelajaran mendasar dalam pembelajaran mesin yang Anda pelajari dari pengalaman ini?

Di eBay, tim saya ditugasi untuk membuat algoritme peringkat hasil pencarian bertenaga pembelajaran mesin pertama di perusahaan. Dengan puluhan juta barang dijual setiap saat, dan miliaran kueri penelusuran setiap hari, tantangan teknis terbesar adalah mengatasi skala yang luar biasa.

Pada akhirnya, saya pikir pelajaran terbesar saya dari pengalaman itu adalah tetap berpikiran terbuka tentang definisi tujuan itu sendiri. Ternyata, jika algoritme pemeringkatan hanya berhasil memberikan penawaran terbaik kepada pembeli, kemungkinan kecil mereka untuk bertransaksi. Mereka juga perlu melihat penawaran yang tidak terlalu bagus untuk mengenali penawaran yang bagus itu. Butuh pendekatan berbasis data untuk sukses serta pikiran terbuka untuk menyadari fakta itu dan menyesuaikan strateginya.

Apa sajakah kondisi yang didiagnosis di Cognoa?

Cognoa adalah perusahaan kesehatan perilaku anak yang mengembangkan diagnostik dan terapi digital. Tujuan kami adalah memanfaatkan teknologi untuk merampingkan perawatan kesehatan anak dan mengatasi kebutuhan yang tidak terpenuhi dalam perawatan kesehatan perilaku anak. Kami mulai dengan autisme.

Apa saja tantangan di balik membangun sistem pengklasifikasi untuk mendiagnosis autisme dan kondisi lain pada anak-anak?

Selain fakta bahwa anak-anak prasekolah bukanlah pasien yang paling kooperatif, salah satu tantangan utama bagi kami adalah apa yang kami sebut kebisingan definisi. Artinya, mencoba melatih algoritme AI untuk mengklasifikasikan kondisi ketika ilmu klinis di sekitar batas kondisi tersebut masih terus berkembang. Dalam beberapa kasus, spesialis manusia mungkin tidak setuju di antara mereka sendiri tentang diagnosis satu anak tertentu, dan pemahaman kolektif tentang unsur-unsur yang mendasari diagnosis tertentu masih merupakan ilmu yang baru muncul. Misalnya, apa yang dulu disebut Asperger beberapa tahun yang lalu sekarang dianggap dalam payung gangguan spektrum autisme (ASD), dan gagasan gangguan defisit perhatian (ADD) versus hiperaktif yang sebelumnya terpisah sekarang dianggap sebagai aspek diagnosis terpadu, Attention Deficit Hyperactivity Disorder (ADHD). Klasifikasi diagnostik lain yang muncul (seperti gangguan pemrosesan sensorik atau SPD) belum masuk ke Manual Diagnostik dan Statistik.

Bagi ilmuwan data, batas-batas subyektif yang bergeser ini menghadirkan tantangan yang menarik dan cukup besar untuk diatasi.

Cognoa membangun sistem diagnostik 3 hasil. Mengapa sistem dirancang seperti ini?

Autisme adalah kondisi perkembangan saraf yang kompleks dengan berbagai presentasi dan komorbiditas.

Kami membangun bantuan diagnosis untuk membantu dokter perawatan primer untuk secara akurat dan efisien mendiagnosis autisme pada anak usia 18 hingga 72 bulan yang berisiko mengalami keterlambatan perkembangan berdasarkan perhatian pengasuh atau orang tua atau dokter. Bantuan diagnosis Cognoa bekerja dengan cara yang unik dengan mengumpulkan dan menggabungkan masukan dari pengasuh atau orang tua dan dokter ke dalam satu solusi untuk menganalisis mereka untuk sinyal autisme prediktif. Alat bantu diagnosis kami menggunakan AI untuk mengevaluasi semua input dan — jika informasi mencukupi — memberikan hasil positif atau negatif untuk autisme yang digunakan dokter anak dalam kombinasi dengan presentasi klinis anak untuk memberikan diagnosis dan mengarahkan langkah selanjutnya yang sesuai -peduli.

Untuk mengurangi risiko klasifikasi yang salah, algoritme juga telah dirancang untuk memberikan keluaran yang tidak pasti sebagai tindakan pengendalian risiko untuk memastikan nilai prediksi yang tinggi dari hasil "positif/negatif untuk autisme", meminimalkan kemungkinan negatif palsu ( karena negatif palsu adalah risiko tertinggi yang terkait dengan penggunaan perangkat). Prosedur abstain dari prediksi ketika respons model menunjukkan kepercayaan yang lebih rendah adalah a metode standar pengendalian risiko dalam algoritma pembelajaran mesin.

Bisakah Anda mendiskusikan bagaimana Cognoa mengatasi bias orang tua dalam hal jenis data yang disediakan oleh orang tua?

Pertanyaan bagus. Salah satu keuntungan utama pembelajaran mesin adalah sangat berguna untuk mengatasi sumber kebisingan dan bias yang diharapkan dalam data masukan. Pendapat orang tua tentang anak mereka sendiri diharapkan subjektif dan bias, tetapi berdasarkan jendela pengamatan yang sangat panjang, sedangkan laporan dokter cenderung lebih objektif, tetapi juga kurang informasi karena jendela pengamatan yang pendek.

Dengan menggabungkan kedua set input ke dalam proses pembelajaran mesin tunggal, algoritme pembelajaran mesin dapat beradaptasi dengan sifat komplementer dari input tersebut, dan mempelajari pola yang dapat digunakan untuk memanfaatkan yang terbaik dari kedua set informasi menjadi satu penentuan yang lebih dapat diandalkan daripada setiap akun secara individual.

Apa saja praktik terbaik ilmu data yang digunakan di Cognoa untuk menghindari bias rasial atau gender dalam data?

Sebagai sebuah perusahaan, Cognoa berkomitmen untuk membangun produk untuk akses perawatan yang setara. Kami menyadari bahwa inovasi berbasis AI memiliki potensi untuk menyerap dan memperkuat bias yang melekat di masyarakat. Misalnya, anak perempuan rata-rata didiagnosis 1.5 tahun lebih lambat dari anak laki-laki dan satu dari empat anak di bawah usia 8 tahun yang hidup dengan autisme, kebanyakan berkulit hitam atau Hispanik tidak didiagnosis sama sekali. Hal ini disebabkan kurangnya akses dalam sistem kami saat ini dan karena diagnosis secara historis condong ke ciri-ciri autisme yang lazim pada anak laki-laki kulit putih, yang mungkin menunjukkan karakteristik autisme berbeda dari anak perempuan dan anak-anak non-kulit putih.

Untuk mengatasi bias yang ada ini, kami dengan sengaja dan sadar membangun teknologi kami untuk memperhitungkan perbedaan lintas gender, ras, etnis, dan latar belakang sosial ekonomi. Kami menulis dan mematuhi Piagam AI yang Bertanggung Jawab Secara Sosial yang memandu praktik kami. Algoritme AI kami sengaja dikembangkan dan divalidasi secara klinis menggunakan data catatan pasien milik ribuan anak laki-laki dan perempuan di seluruh geografi dengan latar belakang, kondisi, presentasi, dan komorbiditas yang beragam.

Dengan mereferensikan kumpulan titik data eksternal dan memanfaatkan gabungan pengalaman dari ratusan dokter, sekaligus menganalisis berbagai sifat dan fitur manusia yang berbeda, AI Cognoa memiliki potensi untuk membantu dokter mengatasi bias yang tidak disadari.

Apa saja solusi terapi yang ditawarkan di Cognoa?

Saat ini, Kongo tidak memiliki solusi terapeutik yang tersedia untuk digunakan. Namun, sejumlah solusi sedang dikembangkan di Cognoa, dan jelas bahwa AI memiliki potensi besar untuk membuat solusi terapeutik lebih mudah diakses dan tersedia untuk anak-anak dengan kondisi perilaku.

Apakah ada hal lain yang ingin Anda bagikan tentang pekerjaan Anda di Cognoa?

Saya tidak pernah bertahan dalam satu pekerjaan selama peran saya saat ini di Cognoa. Saya pikir itu karena kepuasan yang saya dapatkan dari mengerjakan masalah yang menyentuh kehidupan begitu banyak orang di tingkat pribadi. Membantu orang tua merawat anak-anak mereka adalah panggilan mulia yang bisa diharapkan.

Terima kasih atas wawancaranya yang luar biasa, pembaca yang ingin belajar lebih banyak harus berkunjung Cognoa.