Halim Abbas, Chief AI Officer at Cognoa – Wywiad

Halim Abbas jest Chief AI Officer w Cognoa, jest innowatorem w dziedzinie sztucznej inteligencji i doświadczonym specjalistą w branży, który kierował projektami z zakresu nauki o danych w firmach takich jak eBay i Teradata. Cognoa jest poświęcona tworzeniu niezrównanego standardu opieki w dziedzinie pediatrycznego zdrowia behawioralnego, który zapewnia równy dostęp do wczesnej interwencji, dostarczając wysokiej jakości produkty, które poprawiają wyniki życiowe wszystkich dzieci i rodzin.

Czym było to, co początkowo przyciągnęło Cię do machine learningu i nauki o danych?

Zawsze interesowałem się programowaniem komputerowym jako dziecko. Później w życiu skierowałem się ku powstającej dziedzinie machine learningu, z powodu nieodpornej chęci działania na granicy badań i eksploracji otwartych wyzwań, jakie można osiągnąć za pomocą algorytmów obliczeniowych.

Jako były Senior Research Scientist w Ebay, masz doświadczenie w optymalizowaniu wyników wyszukiwania dla platformy Ebay. Jakie są niektóre z podstawowych lekcji z machine learningu, które nauczyłeś się z tego doświadczenia?

W Ebay, moja drużyna została zlecona do stworzenia pierwszego w historii algorytmu machine learningowego do rangowania wyników wyszukiwania. Z dziesiątkami milionów przedmiotów na sprzedaż w każdej chwili i miliardami zapytań wyszukiwania każdego dnia, największym wyzwaniem technicznym było pokonanie przytłaczającej skali.

Ostatecznie, myślę, że moja największa wiedza z tego doświadczenia była otwartość umysłu wobec definicji samego celu. Okazało się, że jeśli algorytm rangowania pomyślnie przedstawił kupującemu najlepsze oferty tylko, byli mniej skłonni do transakcji. Potrzebowali również zobaczyć mniej dobre oferty, aby rozpoznać dobre oferty jako takie. Wymagało to podejścia opartego na danych, aby osiągnąć sukces, a także otwartości umysłu, aby zrealizować ten fakt i dostosować strategię odpowiednio.

Jakie są niektóre z warunków, które są diagnozowane w Cognoa?

Cognoa jest firmą zajmującą się pediatrycznym zdrowiem behawioralnym, rozwijającą cyfrowe diagnostyki i terapie. Naszym celem jest wykorzystanie technologii do usprawnienia opieki pediatrycznej i rozwiązania niespełnionych potrzeb w pediatrycznej opiece behawioralnej. Zaczynamy od autyzmu.

Jakie są niektóre z wyzwań związanych z budowaniem systemu klasyfikacji do diagnozowania autyzmu i innych stanów u dzieci?

Poza tym, że przedszkolaki nie są najbardziej współpracującymi pacjentami, jednym z głównych wyzwań dla nas jest to, co nazywamy szumem definicyjnym. To jest, próba trenowania algorytmów AI do klasyfikacji stanów, gdy nauka kliniczna wokół granic tych stanów jest nadal rozwijana. W niektórych przypadkach, specjaliści ludzcy mogą nie zgadzać się między sobą co do diagnozy konkretnego dziecka, a zbiorowe zrozumienie podstawowych elementów diagnozy jest nadal rozwijaną nauką. Na przykład, to, co kilka lat temu nazywano zespołem Aspergera, jest teraz uważane za część spektrum autyzmu (ASD), a wcześniej oddzielne pojęcia zaburzeń uwagi (ADD) i hiperaktywności są teraz uważane za aspekty zjednoczonej diagnozy, zaburzenia uwagi i hiperaktywności (ADHD). Inne pojawiające się klasyfikacje diagnostyczne (takie jak zaburzenie przetwarzania sensorycznego lub SPD) jeszcze nie zostały uwzględnione w Diagnostycznym i Statystycznym Podręczniku.

Dla specjalisty od nauki o danych, te subiektywne, zmieniające się granice przedstawiają interesujące, rozmiarowe wyzwania do pokonania.

Cognoa zbudowała system diagnostyczny z 3 wynikami. Dlaczego system jest zaprojektowany w ten sposób?

Autyzm jest złożonym stanem neurodevelopmentalnym z szerokim zakresem prezentacji i chorób współistniejących.

Zbudowaliśmy pomoc diagnostyczną, aby pomóc lekarzom pierwszego kontaktu w dokładnej i wydajnej diagnozie autyzmu u dzieci w wieku od 18 do 72 miesięcy, którzy są zagrożeni opóźnieniem rozwojowym na podstawie obaw rodziców lub lekarzy. Pomoc diagnostyczna Cognoa działa w unikalny sposób, zbierając i łącząc dane od opiekunów lub rodziców i lekarzy w jedną całość, aby analizować je pod kątem sygnałów predykcyjnych autyzmu. Nasza pomoc diagnostyczna wykorzystuje AI do oceny wszystkich danych wejściowych i – gdy informacje są wystarczające – dostarcza wynik pozytywny lub negatywny dla autyzmu, który lekarz pediatra wykorzystuje w połączeniu z kliniczną prezentacją dziecka, aby postawić diagnozę i skierować odpowiednie dalsze kroki.

Aby zmniejszyć ryzyko fałszywych klasyfikacji, algorytm został również zaprojektowany, aby dostarczyć wynik nieoznaczony jako środek kontroli ryzyka, aby zapewnić wysokie wartości predykcyjne wyników “pozytywny/negatywny dla autyzmu”, minimalizując prawdopodobieństwo fałszywych negatywów (ponieważ fałszywe negatywy są najwyższym ryzykiem związanym z używaniem urządzenia). Ta procedura powstrzymywania się od predykcji, gdy odpowiedź modelu wskazuje na niższą ufność, jest standardową metodą kontroli ryzyka w algorytmach machine learningu.

Czy mógłbyś omówić, jak Cognoa pokonuje uprzedzenia rodzicielskie, gdy chodzi o rodzaj danych dostarczanych przez rodziców?

Świetne pytanie. Jednym z głównych zalet machine learningu jest to, że jest szczególnie przydatny do pokonywania źródeł szumu i uprzedzeń oczekiwanych w danych wejściowych. Relacje rodziców o swoich własnych dzieciach są oczekiwane jako subiektywne i uprzedzone, ale oparte na bardzo długich oknach obserwacji, podczas gdy raporty kliniczne są prawdopodobnie bardziej obiektywne, ale także mniej poinformowane z powodu krótkich okien obserwacji.

Łącząc oba zestawy danych wejściowych w jeden proces machine learningu, algorytm machine learningu jest w stanie dostosować się do uzupełniającej natury tych danych wejściowych i nauczyć się wzorców, które mogą być wykorzystane do wykorzystania najlepszych informacji z obu zestawów danych wejściowych w jedną decyzję, która jest bardziej niezawodna niż każdy z nich indywidualnie.

Jakie są niektóre z najlepszych praktyk nauki o danych, które są stosowane w Cognoa, aby uniknąć uprzedzeń rasowych lub płciowych w danych?

Jako firma, Cognoa jest zaangażowana w tworzenie produktów dla równego dostępu do opieki. Jesteśmy świadomi, że innowacje oparte na AI mają potencjał pochłonąć i nasilić wewnętrzne uprzedzenia społeczne. Na przykład, dziewczynki są diagnozowane średnio o 1,5 roku później niż chłopcy i jeden na czterech dzieci poniżej 8 roku życia żyjących z autyzmem, większość z nich to czarni lub Latynosi, nie są diagnozowane w ogóle. Jest to spowodowane brakiem dostępu w naszym obecnym systemie i dlatego, że diagnoza była historycznie skierowana ku cechom autyzmu, które są powszechne u białych chłopców, którzy mogą prezentować cechy autyzmu inaczej niż młode dziewczynki i dzieci, które nie są białe.

Aby rozwiązać te istniejące uprzedzenia, celowo i świadomie zbudowaliśmy naszą technologię, aby uwzględnić różnice wśród płci, ras, etnicznych i społeczno-ekonomicznych. Napisaliśmy i przestrzegamy Karty Społecznej Odpowiedzialności AI, która kieruje naszymi praktykami. Nasze algorytmy AI zostały celowo opracowane i klinicznie zwalidowane przy użyciu danych z kart pacjentów należących do tysięcy chłopców i dziewcząt z różnych środowisk, warunków, prezentacji i chorób współistniejących.

Poprzez odniesienie do zewnętrznych punktów danych i wykorzystanie łącznych doświadczeń setek lekarzy, jednoczesną analizę różnych ludzkich cech i funkcji, AI Cognoa ma potencjał, aby pomóc lekarzom rozwiązać nieświadome uprzedzenia.

Jakie są niektóre z terapeutycznych rozwiązań oferowanych w Cognoa?

Obecnie, Cognoa nie ma dostępnych terapeutycznych rozwiązań. Jednak wiele rozwiązań jest w trakcie rozwoju w Cognoa, i jest jasne, że AI ma ogromny potencjał, aby uczynić terapeutyczne rozwiązania bardziej dostępnymi i dostępnymi dla dzieci z zaburzeniami behawioralnymi.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat swojej pracy w Cognoa?

Nigdy nie pozostałem w jednej pracy przez tak długi czas, jak moja obecna rola w Cognoa. Myślę, że to dlatego, że czerpię satysfakcję z pracy nad problemem, który dotyka życia tak wielu ludzi na tak osobistym poziomie. Pomaganie rodzicom w opiece nad ich dziećmi jest tak szlachetnym powołaniem, jakie tylko można sobie wyobrazić.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Cognoa.