Halim Abbas, Chief AI Officer bij Cognoa - Interviewreeks

Halim Abbas is de Chief AI Officer bij Cognoa, is hij een AI-innovator en veteraan uit de industrie die aan de spits stond van datawetenschapsprojecten van wereldklasse bij baanbrekende techneuten als eBay en Teradata. Cognoa zet zich in voor het creëren van een ongeëvenaarde zorgstandaard op het gebied van pediatrische gedragsgezondheid die eerlijke toegang tot vroegtijdige interventie verzekert door producten van hoge kwaliteit te leveren om levenslange resultaten voor alle kinderen en gezinnen te verbeteren.

Wat trok je in eerste instantie aan in machine learning en data science?

Als kind was ik altijd al geïnteresseerd in computerprogrammering. Later in mijn leven werd ik aangetrokken door het opkomende gebied van machine learning vanwege de onweerstaanbare wens om aan de rand van onderzoek te werken en de open uitdagingen te verkennen van wat mogelijk is met behulp van computationele algoritmen.

Als voormalig Senior Research Scientist bij Ebay heb je een achtergrond in het optimaliseren van zoekresultaten voor het Ebay-platform. Wat zijn enkele van de fundamentele lessen in machine learning die u uit deze ervaring hebt geleerd?

Bij eBay kreeg mijn team de taak om het allereerste door machine learning aangedreven algoritme voor het rangschikken van zoekresultaten van het bedrijf te maken. Met tientallen miljoenen items die op elk moment te koop zijn en miljarden zoekopdrachten per dag, was de grootste technische uitdaging om de overweldigende schaal te overwinnen.

Uiteindelijk denk ik dat mijn grootste voordeel van die ervaring was om open te staan ​​voor de definitie van het doel zelf. Het blijkt dat als het ranking-algoritme de shopper alleen de beste deals voorlegde, ze minder geneigd waren om transacties uit te voeren. Ze moesten ook de minder goede deals zien om de goede deals als zodanig te herkennen. Er was zowel een datagestuurde benadering van succes als een open geest voor nodig om dat feit te beseffen en de strategie dienovereenkomstig aan te passen.

Wat zijn enkele van de aandoeningen die bij Cognoa worden gediagnosticeerd?

Cognoa is een pediatrisch gedragsgezondheidsbedrijf dat digitale diagnostiek en therapieën ontwikkelt. Ons doel is om technologie te gebruiken om pediatrische gezondheidszorg te stroomlijnen en tegemoet te komen aan de onvervulde behoeften in pediatrische gedragsgezondheidszorg. We beginnen met autisme.

Wat zijn enkele van de uitdagingen achter het bouwen van een classificatiesysteem om autisme en andere aandoeningen bij kinderen te diagnosticeren?

Afgezien van het feit dat kleuters niet de meest coöperatieve patiënten zijn, is een van de grootste uitdagingen voor ons wat we definitieruis noemen. Dat wil zeggen, proberen AI-algoritmen te trainen om aandoeningen te classificeren wanneer de klinische wetenschap rond de grenzen van die aandoeningen nog in ontwikkeling is. In sommige gevallen kunnen menselijke specialisten het onderling oneens zijn over de diagnose van een bepaald kind, en het collectieve begrip van de onderliggende elementen van een bepaalde diagnose is nog steeds een opkomende wetenschap. Bijvoorbeeld, wat een paar jaar geleden Asperger werd genoemd, wordt nu beschouwd binnen de paraplu van autismespectrumstoornis (ASS), en de voorheen afzonderlijke noties van aandachtstekortstoornis (ADD) versus hyperactiviteit worden nu beschouwd als aspecten van een uniforme diagnose, aandachtstekortstoornis met hyperactiviteit (ADHD). Andere opkomende diagnostische classificaties (zoals sensorische verwerkingsstoornis of SPD) moeten de diagnostische en statistische handleiding nog halen.

Voor de datawetenschapper vormen deze subjectieve, verschuivende grenzen interessante, omvangrijke uitdagingen die moeten worden overwonnen.

Cognoa bouwde een diagnostisch systeem met drie uitkomsten. Waarom is het systeem zo ontworpen?

Autisme is een complexe neurologische aandoening met een breed scala aan presentaties en comorbiditeiten.

We hebben een diagnosehulpmiddel ontwikkeld om huisartsen te helpen bij het nauwkeurig en efficiënt diagnosticeren van autisme bij kinderen van 18 tot en met 72 maanden die het risico lopen op ontwikkelingsachterstand op basis van bezorgdheid van een verzorger of ouder of arts. Het diagnosehulpmiddel van Cognoa werkt op een unieke manier door input van zowel zorgverleners of ouders als artsen te verzamelen en te combineren tot één enkele oplossing om ze te analyseren op voorspellende autismesignalen. Ons diagnosehulpmiddel maakt gebruik van AI om alle invoer te evalueren en geeft - wanneer de informatie voldoende is - een positief of negatief resultaat voor autisme dat de kinderarts gebruikt in combinatie met de klinische presentatie van het kind om een ​​diagnose te stellen en passende vervolgstappen te bepalen -zorg.

Om het risico op valse classificaties te verkleinen, is het algoritme ook ontworpen om een ​​onbepaalde output te leveren als risicobeheersingsmaatregel om de hoge voorspellende waarden van de "positief/negatief voor autisme"-uitkomsten te garanderen, waardoor de kans op fout-negatieven wordt geminimaliseerd ( aangezien fout-negatieven het grootste risico vormen bij het gebruik van het apparaat). Deze procedure om af te zien van voorspelling wanneer de modelrespons een lager vertrouwen aangeeft, is a standaardmethode voor risicobeheersing in algoritmen voor machine learning.

Kunt u bespreken hoe Cognoa ouderlijke vooringenomenheid overwint als het gaat om het type gegevens dat door de ouders wordt verstrekt?

Geweldige vraag. Een van de grote voordelen van machine learning is dat het vooral nuttig is om bronnen van ruis en vooringenomenheid die in invoergegevens worden verwacht, te ondervangen. Verwacht wordt dat de verslagen van ouders over hun eigen kinderen subjectief en bevooroordeeld zijn, maar gebaseerd zijn op zeer lange observatievensters, terwijl rapporten van clinici waarschijnlijk objectiever zijn, maar ook minder goed geïnformeerd vanwege korte observatievensters.

Door beide inputsets te combineren in een enkelvoudig machine learning-proces, kan het machine learning-algoritme zich aanpassen aan de complementaire aard van die inputs en patronen leren die kunnen worden gebruikt om het beste van beide informatiesets te benutten in een enkele bepaling die meer is betrouwbaar dan elk account afzonderlijk.

Wat zijn enkele best practices op het gebied van datawetenschap die bij Cognoa worden gebruikt om raciale of gendervooroordelen in data te voorkomen?

Als bedrijf zet Cognoa zich in voor het bouwen van producten voor eerlijke toegang tot zorg. We zijn ons ervan bewust dat op AI gebaseerde innovaties het potentieel hebben om inherente vooroordelen in de samenleving te absorberen en te versterken. Meisjes worden bijvoorbeeld gemiddeld gediagnosticeerd 1.5 jaar later dan jongens en een op de vier kinderen onder de 8 jaar die met autisme leven, de meesten van hen zijn zwart of Spaans niet worden gediagnosticeerd helemaal niet. Dit is te wijten aan het gebrek aan toegang in ons huidige systeem en omdat de diagnose van oudsher scheef ligt in de richting van autismekenmerken die veel voorkomen bij blanke jongens, die kenmerken van autisme anders kunnen presenteren dan jonge meisjes en kinderen die niet-blanke zijn.

Om deze bestaande vooroordelen aan te pakken, hebben we onze technologie opzettelijk en bewust gebouwd om rekening te houden met verschillen tussen geslacht, ras, etnische en sociaal-economische achtergronden. We hebben een Maatschappelijk Verantwoord AI-handvest geschreven en houden ons eraan dat onze praktijken leidt. Onze AI-algoritmen zijn opzettelijk ontwikkeld en klinisch gevalideerd met behulp van patiëntendossiergegevens van duizenden jongens en meisjes in verschillende regio's met verschillende achtergronden, aandoeningen, presentaties en comorbiditeiten.

Door te verwijzen naar grote hoeveelheden externe gegevenspunten en gebruik te maken van de gecombineerde ervaringen van honderden artsen, waarbij tegelijkertijd een verscheidenheid aan verschillende menselijke eigenschappen en kenmerken worden geanalyseerd, heeft de AI van Cognoa het potentieel om artsen te helpen onbewuste vooroordelen aan te pakken.

Wat zijn enkele van de therapeutische oplossingen die worden aangeboden bij Cognoa?

Momenteel heeft Congoa geen therapeutische oplossingen beschikbaar voor gebruik. Er zijn echter een aantal oplossingen in ontwikkeling bij Cognoa en het is duidelijk dat AI een enorm potentieel heeft om therapeutische oplossingen toegankelijker en beschikbaarder te maken voor kinderen met gedragsproblemen.

Is er nog iets dat je zou willen delen over je werk bij Cognoa?

Ik ben nooit zo lang in één baan gebleven als mijn huidige rol binnen Cognoa. Ik denk dat dat komt door de voldoening die ik haal uit het werken aan een probleem dat de levens van zoveel mensen op zo'n persoonlijk niveau raakt. Ouders helpen om voor hun kinderen te zorgen is ongeveer net zo nobel als men ooit zou kunnen hopen.

Bedankt voor het geweldige interview, lezers die meer willen weten, zouden moeten bezoeken Cognoa.