1️⃣ GlyceSurrogate-Kor DM · 혈당 대리지표 trial-level surrogacy
글라이스서로게이트코어 — 당뇨 RCT의 (Δ혈당 surrogate HbA1c·TIR·FPG, Δhard outcome MACE·HF·DKD·미세혈관·사망) effect-size 쌍을 받아 약물 class별 trial-level surrogacy(R²_trial·STE·PTE)를 WLS 메타회귀로 계산하고 ACCORD/VADT surrogate-paradox를 자동 flag, 미검증 class-endpoint 쌍 → 검증 연구 가설·표본수를 생성하는 standalone Python CLI + Streamlit 연구가설 도구
당뇨 trial은 거의 항상 혈당 대리지표(HbA1c·CGM TIR·FPG)를 1차 endpoint로 쓰지만, 이것이 환자 hard outcome(MACE·HF 입원·DKD 진행/투석·미세혈관·사망)을 타당하게 대변하는지는 약물 class·outcome마다 다름. ACCORD/ADVANCE/VADT의 강력 혈당조절은 HbA1c는 낮췄으나 MACE/사망을 개선 못 함(ACCORD 사망 증가) — surrogate paradox의 교과서 사례. 반대로 SGLT2i·GLP-1RA는 HbA1c 개선 폭과 무관하게 CV·신장 benefit. (1) trial-level (Δsurrogate, Δhard) ingest + endpoint 온톨로지 (2) Buyse-Molenberghs/Daniels-Hughes WLS 메타회귀 → class별 R²_trial·STE(hard benefit 담보 최소 개선)·prediction interval (3) PTE(혈당 매개 비율) + surrogate paradox 자동 flag + strong/moderate/weak/invalid 등급 (4) 미검증 쌍 mining → 검증 가설·표본수 (5) IQWiG/NICE 형식 리포트(국·영문). 합성 demo 16 trial / 5 class / R²·STE·PTE·6 paradox flag. 닥터앤서 3.0 당뇨 sub-task의 endpoint 선택·검증 layer로 alignment.
surrogacy table
미검증 쌍·검증 가설
로딩...
로딩...
2️⃣ WtLossSurrogate-Kor Obesity · %체중감량 surrogacy + dose-response
웨이트로스서로게이트코어 — 항비만 RCT의 (%체중감량, Δhard outcome MACE·HF·당뇨발생·MASH·사망·QoL) 쌍을 받아 약물 class별 trial-level surrogacy(R²_trial·STE·dose-response·PTE 체중매개비율)를 계산하고 SELECT류 체중-무관 직접효과를 분리, 미검증 쌍 → 검증 가설·표본수(Schoenfeld)를 생성하는 standalone Python CLI + Streamlit 연구가설 도구
항비만 trial의 사실상 표준 1차 endpoint인 %체중감량이 hard outcome(MACE·HF·당뇨 발생·MASH·사망·QoL)을 타당하게 대변하는가가 SELECT 시대의 핵심 미해결 질문. SELECT(semaglutide, N≈17,600)는 MACE 20% 감소를 입증했으나 초기 체중감량 정도와 CV benefit의 상관이 약해 — CV benefit이 체중감량으로 매개되는가 vs 체중-무관 직접효과인가(PTE)가 미해결. 차세대 약물(tirzepatide·retatrutide·CagriSema)이 15~25% 감량을 내면서 "더 큰 감량 = 더 큰 benefit"의 선형성(dose-response surrogacy·STE)도 미검증. (1) trial-level ingest + endpoint 온톨로지 (2) WLS 메타회귀 R²_trial·STE + 감량 구간별 비선형/plateau(dose-response surrogacy) (3) PTE 체중매개비율 — 체중-무관 효과 분리, paradox flag (4) 미검증 쌍 mining → 검증 가설·Schoenfeld 표본수 (5) IQWiG/NICE 리포트(국·영문). 합성 demo 28 trial / 6 class / 4 outcome / MC4R→MACE paradox. OpenClaw 바이오 피벗 재조합 후보의 조기 readout endpoint 선택 layer로 alignment.
surrogacy table
dose-response
로딩...
로딩...
3️⃣ NITSurrogate-Kor MASLD · NIT→조직→hard 3단계 surrogacy 사슬
엔아이티서로게이트코어 — MASH RCT의 NIT(FIB-4·VCTE·MRI-PDFF·ELF·MRE)→조직(MASH resolution·fibrosis improvement)→hard hepatic outcome(대상부전·HCC·이식·간사망) 3단계 (Δupstream, Δdownstream) 쌍을 받아 단계별 trial-level surrogacy(R²_trial·STE·PTE)를 계산하고 미검증 단계를 식별, 검증 가설·outcome trial 규모·follow-up을 생성하는 standalone Python CLI + Streamlit 연구가설 도구
resmetirom(Rezdiffra)이 2024 조직학적 surrogate로 FDA 가속승인되면서 — (a) 조직학적 surrogate가 hard outcome을 타당하게 대변하는가(가속승인 전제) (b) 비침습검사(NIT) 변화가 조직 개선·hard outcome의 타당한 surrogate인가(생검 대체 가능?)가 핵심 논쟁. LITMUS·NIMBLE이 NIT qualification을 추진 중이나 NIT→조직→hard surrogacy 사슬은 미검증. hard outcome은 발생까지 수년~수십년이라 조직→hard 데이터가 희소 — 이 희소성을 first-class로 flag. (1) 3단계 사슬 ingest + 온톨로지 (2) 단계별(NIT→조직, 조직→hard, NIT→hard) WLS 메타회귀 R²_trial·STE (3) PTE 매개 사슬 + paradox flag + per-NIT(FIB-4 vs VCTE vs MRI-PDFF vs ELF) surrogacy 우열 비교 (4) 미검증 단계 mining(특히 조직→hard 희소) → 검증 가설·outcome trial 규모·follow-up·표본수 (5) FDA 가속승인/LITMUS·NIMBLE 형식 리포트(국·영문). 합성 demo 30 row / 조직→hard n=4 희소·paradox planted. OpenClaw hepatic 후보 조기 readout endpoint 선택·MASLDStager endpoint 정의 layer로 alignment.
3단계 chain
NIT 우열 비교
로딩...
로딩...