Samantha Kleinberg est fascinée par les données, en particulier la gusher des données provenant du domaine médical.En tant que professeur d'informatique au Stevens Institute of Technology, elle a analysé les taux de glycémie des personnes vivant avec le diabète et les rames d'informations provenant de machines connectées aux patients assaillis d'AVC en USI.
This raw information can be incomplete, complex to interpret, and tangled up in noise.Dans le groupe de recherche de Kleinberg, The Health and AI Lab, elle développe des méthodes axées sur l'intelligence artificielle pour traiter et interpréter ces données afin de répondre à des questions importantes, telles que, pourquoi ce résultat médical s'est-il produit et quelles étaient les étapes qui y ont conduit?L'objectif final est de prendre ces données et ces nouvelles technologies d'apprentissage automatique et d'améliorer la santé humaine, selon Kleinberg, professeur agrégé à l'école d'ingénierie et de sciences de Stevens.
“We want to give people tools in order to make better decisions.Ces personnes pourraient être des cliniciens qui élaborent un plan de traitement ou simplement des gens ordinaires qui souhaitent mieux surveiller leur propre santé », a déclaré Kleinberg.
Recently, Kleinberg joined a large, sprawling project that converges many of her research interests, “Nutrition for Precision Health, powered by the All of Us Research Program," which is funded by the National Institutes of Health at $170 million over five years.L'objectif est de «développer des algorithmes pour prédire les réponses individuelles aux routines alimentaires et alimentaires», selon un communiqué de presse sur l'étude.Dans le cadre de cette étude, Kleinberg et son laboratoire de recherche reçoivent 1 $.26 millions de cette subvention.
Other partners in the study will collect health data from 10,000 people – a diverse group from different backgrounds across the United States – and track their baseline nutritional intake, activity level, genome, microbiomes, and other factors related to their health.Ensuite, ces participants à l'étude se verront prescrire des régimes différents afin que les chercheurs puissent voir ce qui arrive à leur santé.
Kleinberg and her research lab then use their AI-driven analytical methods in order to find causal connections.
“My part is taking all that data at the end and figuring out what actually are the effects of different diets?" she said.«Et pour qui travaillent ces régimes?Notre hypothèse de travail est que le «bon régime» ne sera pas le même pour tout le monde.Il y a des preuves à cela, mais nous ne savons pas vraiment quels régimes fonctionnent pour quel groupe.Connaître ces informations aiderait à formuler des directives nutritionnelles futures."
What’s notable about the study, besides its ambitious scale, is that the project captures cause and effect, said Kleinberg.De nombreuses études nutritionnelles passées ont collecté des informations sur ce que les gens mangent déjà - ce qui tient compte des titres des nouvelles qui corrélent la consommation de thé vert ou la consommation de brocoli à une meilleure santé.
“But we don’t actually know if that food or that type of diet actually causes that outcome because people who drink green tea might be more likely to exercise or eat healthier kinds of foods," Kleinberg said.
These types of questions animate the major thrusts of Kleinberg’s AI-driven research: methods for causal inference (the process to determine the cause of an effect) and analyzing and understanding time series biomedical or other relevant data taken from inside and outside the hospital.
Her interest in this type of multi-disciplinary research got its start in her undergraduate years at New York University (NYU), where she was studying for her bachelor’s degree in computer science and physics.Pendant qu'elle travaillait dans un laboratoire de bioinformatique, elle a vu que les biologistes essaieraient de relier les gènes aux résultats de la santé.Cet intérêt de Kleinberg a piqué pour la causalité.
“And then I started reading philosophy, books and papers and got really interested in trying to understand what does it mean for something to be a cause? How can you find evidence for causality?" she said.
After earning her bachelor’s degree in 2006 and her master’s degree in computer science in 2008, also at NYU, she continued at the school for her doctoral degree in computer science and further researched the overlap between causality and data-driven technologies.Elle a obtenu son doctorat en 2010 avec une thèse intitulée «Une enquête algorithmique concernant la causalité."
As she got more deeply into analyzing health data, medical officials were digitizing an increasing amount of health records and bringing them online.Ce fut un développement passionnant car il pouvait plus facilement aider les chercheurs à prédire les résultats pour la santé et ainsi à prévenir les résultats négatifs chez les patients, a déclaré Kleinberg.
From 2010 to 2012, Kleinberg did a postdoc on biomedical informatics at Columbia University in order to learn more about the challenges facing electronic health records data.Les problèmes épineux dans le monde du dossier de santé comprennent des informations manquantes ou des données dispersées entre différents hôpitaux.Elle a également travaillé avec des cliniciens spécialisés dans l'AVC, ce qui a été un autre facteur pour poursuivre ses recherches.
“Trying to come up with solutions to improve those health outcomes was very motivating," she said.
After Columbia, Kleinberg joined Stevens as an assistant professor in 2012 and was promoted to associate professor in 2018.Au cours de sa carrière universitaire fructueuse, elle a publié de nombreux articles sur la causalité, la prise de décision, divers sujets médicaux tels que le diabète et les accidents vasculaires cérébraux et les méthodologies d'intelligence artificielle.
Recent co-authored papers include “Using Momentary Assessment and Machine Learning to Identify Barriers to Self-management in Type 1 Diabetes: Observational Study," which was published this year in the journal JMIR Mhealth Uhealth, and the paper “Lagged Correlations among Physiological Variables as Indicators of Consciousness in Stroke Patients," which was presented in 2019 at the AMIA Annual Symposium, where it won the Homer R.Prix Warner du meilleur papier.Son intérêt pour la causalité et la prise de décision se sont manifestés dans une pochette d'articles tels que «Comment les informations causales affectent les décisions», qui a été publiée en 2020 dans la revue Cognitive Research: Principes et implications.Un précédent article de Stevens sur ce document pourrait être lu ici.
She also wrote two books on causality and edited the 2019 book, Time and Causality across the Sciences, which was published by Cambridge University Press.
Besides the large nutritional study funded by NIH and her research on strokes and diabetes, she and her lab are developing a device, kind of a FitBit sensor, that can automatically measure food intake and monitor nutrition.
“The things I’m interested in are ultimately about helping humans," she said.«Nous pouvons examiner ces données et aider les gens à prendre de meilleures décisions avec elle."
