Halim Abbas, Chief AI Officer bij Cognoa – Interviewreeks

Halim Abbas is de Chief AI Officer bij Cognoa, hij is een AI-innovator en een veteran in de industrie die wereldklasse data science projecten leidde bij baanbrekende technologiebedrijven zoals eBay en Teradata. Cognoa is gewijd aan het creëren van een ongeëvenaard niveau van zorg in de pediatrische gedragsgezondheid, waardoor een gelijke toegang tot vroegtijdige interventie wordt gewaarborgd door het leveren van hoge kwaliteit producten om levenslange resultaten voor alle kinderen en gezinnen te verbeteren.

Wat trok je aanvankelijk aan naar machine learning en data science?

Ik was altijd geïnteresseerd in computerprogrammeren als kind. Later in mijn leven, werd ik aangetrokken tot het opkomende veld van machine learning vanwege de onweerstaanbare drang om te werken aan de grens van onderzoek en de open uitdagingen van wat mogelijk is te bereiken door computationele algoritmes.

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

Bij eBay was mijn team belast met het creëren van het eerste machine learning-gebaseerde zoekresultaatrangschikkingalgoritme van het bedrijf. Met tientallen miljoenen artikelen te koop op elk moment en miljarden zoekopdrachten per dag, was de grootste technische uitdaging het overwinnen van de overweldigende schaal.

Uiteindelijk denk ik dat mijn grootste les uit die ervaring was om een open mind te houden over de definitie van het doel zelf. Het bleek dat als het rangschikkingalgoritme succesvol de shopper voorstelde met de beste aanbiedingen alleen, ze minder geneigd waren om te transigeren. Ze moesten ook de minder goede aanbiedingen zien om de goede aanbiedingen als zodanig te herkennen. Het vergde een gegevensgedreven benadering van succes, evenals een open mind om dat feit te realiseren en de strategie dienovereenkomstig aan te passen.

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

Cognoa is een pediatrische gedragsgezondheidsbedrijf dat digitale diagnostiek en therapeutica ontwikkelt. Ons doel is om technologie te gebruiken om de pediatrische gezondheidszorg te stroomlijnen en de onvervulde behoeften in de pediatrische gedragsgezondheidszorg aan te pakken. 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?

Behalve het feit dat peuters niet de meest meewerkende patiënten zijn, is een van de belangrijkste uitdagingen voor ons wat we definiëren als “definie-ruis”. Dat wil zeggen, proberen om AI-algoritmes 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 onderling oneens zijn over de diagnose van een bepaald kind, en het collectieve begrip van de onderliggende elementen van een bepaalde diagnose is nog een opkomende wetenschap. Bijvoorbeeld, wat een paar jaar geleden Asperger’s werd genoemd, wordt nu beschouwd als onderdeel van het autismespectrum (ASD), en de voormalige afzonderlijke noties van aandachtstekortstoornis (ADD) versus hyperactiviteit worden nu beschouwd als aspecten van een verenigde diagnose, aandachtstekortstoornis met hyperactiviteit (ADHD). Andere opkomende diagnostische classificaties (zoals sensorische verwerkingsstoornis of SPD) moeten nog worden opgenomen in de Diagnostische en Statistische Handleiding.

Voor de data scientist presenteren deze subjectieve, veranderende grenzen interessante, omvangrijke uitdagingen om te overwinnen.

Cognoa bouwde een 3-resultaat diagnostisch systeem. Waarom is het systeem op deze manier ontworpen?

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

We bouwden een diagnosehulp om primaire zorgartsen te helpen autisme bij kinderen van 18 tot 72 maanden die risico lopen op ontwikkelingsvertraging op basis van een zorgverlener of ouderlijke of artsverklaring, nauwkeurig en efficiënt te diagnosticeren. Cognoa’s diagnosehulp werkt op een unieke manier door invoer van zowel zorgverleners als ouders te verzamelen en te combineren in een enkele oplossing om deze te analyseren op voorspellende autismesignalen. Onze diagnosehulp gebruikt AI om alle invoer te evalueren en – wanneer de informatie voldoende is – een positief of negatief resultaat voor autisme te verstrekken dat de kinderarts gebruikt in combinatie met de klinische presentatie van het kind om een diagnose te stellen en passende volgende stappen in de zorg te bieden.

Om het risico van valse classificaties te verkleinen, is het algoritme ook ontworpen om een onbepaald resultaat te verstrekken als een risicobeheersingsmaatregel om de hoge voorspellende waarden van de “positief/negatief voor autisme”-resultaten te waarborgen, waardoor de kans op valse negatieven (aangezien valse negatieven het hoogste risico zijn dat is geassocieerd met apparaatgebruik) wordt geminimaliseerd. Deze procedure van het afzien van voorspelling wanneer het modelantwoord een lagere betrouwbaarheid aangeeft, is een standaardmethode van risicobeheersing in machine learning-algoritmes.

Kunt u bespreken hoe Cognoa ouderlijke vooroordelen overwint bij de soort gegevens die door ouders worden verstrekt?

Goede vraag. Een van de grote voordelen van machine learning is dat het vooral nuttig is om bronnen van ruis en vooroordelen in invoergegevens te overwinnen. Ouders’ verslagen van hun eigen kinderen zijn subjectief en bevooroordeeld, maar gebaseerd op zeer lange observatievensters, terwijl clinici-rapporten waarschijnlijk objectiever zijn, maar ook minder geïnformeerd vanwege korte observatievensters.

Door beide invoersetjes te combineren in een enkel machine learning-proces, kan het machine learning-algoritme zich aanpassen aan de complementaire aard van die invoer, en patronen leren die kunnen worden gebruikt om het beste van beide informatiesets in een enkele bepaling te combineren die betrouwbaarder is dan elk verslag afzonderlijk.

Wat zijn enkele van de data science beste praktijken die bij Cognoa worden gebruikt om raciale of geslachtsvooroordeel in gegevens te voorkomen?

Als bedrijf is Cognoa toegewijd aan het bouwen van producten voor gelijke toegang tot zorg. We zijn ons ervan bewust dat AI-gebaseerde innovaties het potentieel hebben om inherente vooroordelen in de samenleving te absorberen en te versterken. Bijvoorbeeld, meisjes worden gemiddeld 1,5 jaar later gediagnosticeerd dan jongens en één op de vier kinderen onder de 8 jaar met autisme, de meeste van hen zwart of Spaans, worden niet gediagnosticeerd helemaal. Dit komt door het gebrek aan toegang in ons huidige systeem en omdat de diagnose historisch is gericht op autisme-kenmerken die voorkomen bij witte jongens, die mogelijk andere kenmerken van autisme vertonen dan jonge meisjes en kinderen die niet blank zijn.

Om deze bestaande vooroordelen aan te pakken, hebben we onze technologie opzettelijk en bewust gebouwd om rekening te houden met verschillen in geslacht, ras, etnische en socio-economische achtergronden. We hebben een Sociaal Verantwoord AI-Handvest geschreven dat onze praktijken leidt. Onze AI-algoritmes zijn opzettelijk ontwikkeld en klinisch gevalideerd met behulp van patiëntgegevens van duizenden jongens en meisjes uit verschillende geografische gebieden met uiteenlopende achtergronden, aandoeningen, presentaties en comorbiditeiten.

Door te verwijzen naar externe gegevenspunten en het gebruik van de gecombineerde ervaringen van honderden artsen, het gelijktijdig analyseren van een verscheidenheid aan menselijke kenmerken en eigenschappen, heeft Cognoa’s AI het potentieel om artsen te helpen onbewuste vooroordelen aan te pakken.

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

Op dit moment heeft Cognoa geen therapeutische oplossingen beschikbaar voor gebruik. Echter, een aantal oplossingen zijn in ontwikkeling bij Cognoa, en het is duidelijk dat AI een enorm potentieel heeft om therapeutische oplossingen meer toegankelijk en beschikbaar te maken voor kinderen met gedragsstoornissen.

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

Ik ben nooit zo lang in één baan gebleven als in mijn huidige rol bij Cognoa. Ik denk dat dat komt door de voldoening die ik krijg van het werken aan een probleem dat het leven van zo veel mensen op zo’n persoonlijk niveau raakt. Helpen ouders om voor hun kinderen te zorgen, is één van de edelste roepingen die je je kunt wensen.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Cognoa bezoeken.