Diffusion Run
seed: 9612
Denoising-Konvergenzkurve
Observed Control N: 120
Borrowed ESS: 65
Geschaetzte Kontrollarm-Reduktion: 29.8%
prototype · diffusion mock
Ophthalmology Digital Twin · Diffusion Synthetic Control (Mock)
Mock-Diffusionspipeline fuer Synthetic-Control-Generierung: latentes Rauschen -> Denoising-Schritte -> kalibriertes patientenbezogenes Ergebnis.
Konfiguration
Endpoint: BCVA change at Week 24 (ETDRS letters) · Historischer Pool: AMD-118, AMD-122, AMD-OBS-19 (680)
Observed vs Synthetic
BCVA-Aenderung: observed 2.10 ± 7.40 | Synthetischer Arm 2.52 ± 4.39 ·Δ +0.42
CST-Aenderung: observed -32.0 ± 58.0 | Synthetischer Arm -30.7 ± 35.4 ·Δ +1.3
Behandlungsarm vs Synthetischer Arm Verteilungsabgleich: BCVA 58.9 / 100 · CST 64.7 / 100
Mock-Methodenhinweis
Produkt-Mock: Patienten werden mit reproduzierbarer pseudo-zufaelliger Denoising-Logik simuliert und danach auf Szenario-Kontrollmomente kalibriert.
Behandlungsarm vs Synthetischer Arm · Verteilungsabgleich
Histogramm-Overlay
BehandlungsarmSynthetischer Arm
Q-Q-Plot
x-axis: Behandlungsarm quantiles · y-axis: Synthetischer Arm quantiles
Methodik-Pipeline fuer externe Kontrolle
Schritt 1: Datenbereinigung
Raw N: T 120 / C 120
Nach Bereinigung: T 115 / C 115
Schritt 2: Cohort-Definition
Cohort geeignet: T 115 / C 115
Schritt 3: Propensity Score / Gewichtung / Matching
Balance vorher (mittl. |SMD|): 0.299
Balance nachher (mittl. |SMD|): 0.313
Schritt 4: Primaerer Endpunkt
Primaerer Effekt (Behandlung - externe Kontrolle): 5.45
95%-KI: [3.98, 6.92]
Schritt 5: Sensitivitaetsanalyse
n(T/C): 69 / 61
| Szenario | Effekt | Delta vs primaer | Interpretation |
|---|---|---|---|
| Strict cohort window | 5.44 | -0.02 | Stable |
| More aggressive PS trim | 0.09 | -5.36 | Moderate shift |
| Hidden bias stress (Gamma-like) | 4.65 | -0.8 | Robust |
Konditionale Twin-Generierung (X→Y(t))
Baseline-Bedingung X
age 70.9 · Geschlecht F · baseline BCVA 60.5 · baseline CST 379 · Laesionstyp occult · Vorherige Injektionen 4
Kontrafaktische Kontrolltrajektorie
Mittelwert mit 95%-Vorhersageintervall · K=50
Synthetic-Patientenstichprobe
| ID | Age | Base BCVA | Base CST | Duration (y) | BCVA Δ | CST Δ | Weight |
|---|---|---|---|---|---|---|---|
| SYN-001 | 73.1 | 60.7 | 381 | 3 | -7.3 | 27 | 0.86 |
| SYN-002 | 67.9 | 56.8 | 389 | 3 | 2.9 | -43 | 0.84 |
| SYN-003 | 71.7 | 49 | 497 | 2.8 | -4.2 | -20 | 0.81 |
| SYN-004 | 81.3 | 47.3 | 368 | 3.2 | 3.2 | -45 | 0.79 |
| SYN-005 | 76.3 | 55.1 | 365 | 3.4 | 5.5 | -40 | 0.82 |
| SYN-006 | 75.2 | 61.2 | 404 | 2.4 | 3.4 | 60 | 0.84 |
| SYN-007 | 76.3 | 50.9 | 501 | 1.5 | 4.9 | -60 | 0.83 |
| SYN-008 | 72.8 | 62.6 | 373 | 4.2 | 0.5 | -56 | 0.83 |
| SYN-009 | 83.3 | 62.2 | 423 | 3.6 | 6.5 | -91 | 0.85 |
| SYN-010 | 77.1 | 61.1 | 383 | 3.6 | 2.3 | -34 | 0.82 |
| SYN-011 | 68.5 | 54.8 | 383 | 4.9 | 3.5 | -41 | 0.81 |
| SYN-012 | 70.3 | 57.7 | 446 | 3.3 | -2.2 | 15 | 0.85 |
update log
Prototype Change Log
2026-03-06 · v0.4.0
Konditionale Twin-Generierung (X→Y(t))
- - Patientenbezogene Baseline-Konditionen hinzugefuegt: Age, Sex, baseline BCVA/CST, Laesionstyp, vorherige Injektionen.
- - Patient Picker und K-kontrafaktische Generierung (Standard: 50 Twins) fuer ausgewaehlten Behandlungsarm-Patienten hinzugefuegt.
- - Trajektorienausgabe mit Mittelwert und 95%-Vorhersageintervall hinzugefuegt.
2026-03-05 · v0.3.0
Methodik-Pipeline fuer externe Kontrolle
- - End-to-End-Methodikpipeline hinzugefuegt: Datenbereinigung -> Cohort-Definition -> PS-Gewichtung/Matching -> primaerer Endpunkt -> Sensitivitaetsanalyse.
- - Konfigurierbare Analyseparameter fuer IPTW vs PS-Matching, Caliper und PS-Trimming hinzugefuegt.
- - Balance-Diagnostik (mittl. |SMD| vorher/nachher), Behandlungseffekt mit 95%-KI und Sensitivitaetsszenarien hinzugefuegt.
2026-03-05 · v0.2.0
Verteilungsabgleich + CSV Export
- - Panel fuer Verteilungsabgleich zwischen Behandlungsarm und synthetischem Arm hinzugefuegt.
- - Histogramm-Overlay und Q-Q-Plot mit BCVA/CST-Umschaltung hinzugefuegt.
- - CSV-Export fuer Verteilungsdaten und synthetische Patientenliste hinzugefuegt.
2026-03-05 · v0.1.0
Launch: Ophthalmology Diffusion Twin (Mock)
- - Einseitiger Mock-Prototyp fuer Synthetic-Control-Generierung mit diffusion-aehnlicher Denoising-Logik hinzugefuegt.
- - Ophthalmologie-Szenarien (nAMD, DME, GA) mit konfigurierbarer Kohortengroesse, Denoising-Schritten und Kalibrierstaerke.
- - Vergleich Observed-vs-Synthetic plus patientenbezogene Stichprobe zur Review bereitgestellt.