How does the eligibility gate actually work?

Each synthetic trial defines hard inclusion/exclusion criteria: an age range, a disease-stage range, minimum biomarker thresholds and a set of excluded comorbidities. The simulator checks the patient's actual slider values against every one of these criteria; a trial is only marked eligible when all of them pass simultaneously. Nothing here is decorative — the pass/fail state changes the moment you move a slider.

What is the similarity score measuring?

For each trial, the patient's normalised feature vector (age, biomarker A, biomarker B, stage, all scaled 0-1) is compared against the trial's target profile using a weighted Euclidean distance. Each trial has its own per-feature weights reflecting which criteria matter most for that protocol. The similarity score is 100% minus that weighted distance, so a closer match to the trial's ideal profile scores higher.

What does the strictness slider change?

It widens or narrows the tolerance band around each trial's numeric hard criteria (age range, stage range, biomarker thresholds) — lenient settings admit patients just outside the canonical range, strict settings enforce the exact published range. Comorbidity exclusions are treated as absolute safety criteria and are never loosened by this slider, mirroring how real trial protocols separate soft eligibility windows from hard safety exclusions.

Is this simulating a real trial-matching algorithm?

The scoring mechanics (hard-criteria gating followed by weighted-distance ranking among eligible candidates) mirror the two-stage approach used by real clinical-trial matching tools, but the six trials and the patient model are synthetic teaching examples, not real protocols or patient data.

Home ▸ AI & Machine Learning ▸ Klinische Onderzoek Matcher — Patiëntgelijkenis Live

🩺 Klinische Onderzoek Matcher — Patiëntgelijkenis Live

Bekijk een gelijkenis-scoremodel dat synthetische patiëntprofielen matcht tegen geschiktheidscriteria van onderzoeken in real time, en kandidaatonderzoeken rangschikt terwijl inclusie-/exclusiekenmerken worden aangepast.

AI & Machine Learning Three.js / WebGL Gemiddeld 60 FPS

Over deze simulatie

Deze simulator drijft een tweetraps klinische-onderzoek-matchingpijplijn aan tegen een synthetische patiënt. Ten eerste doorloopt elk kandidaatonderzoek een echte harde geschiktheidspoort: echte bereikcontroles op leeftijd en ziektestadium, minimale biomarkerdrempels, en comorbiditeit-uitsluitingsvlaggen, allemaal direct geëvalueerd tegen de huidige kenmerkwaarden van de patiënt. Alleen onderzoeken die elk hard criterium doorstaan gaan door naar de tweede fase, waar een gewogen Euclidische afstand tussen de genormaliseerde kenmerkvector van de patiënt en het doelprofiel van het onderzoek een gelijkenisscore oplevert die wordt gebruikt om de geschikte matches te rangschikken.

🔬 Wat het laat zien

Een radargrafiek vergelijkt de vier genormaliseerde kenmerken van de patiënt (leeftijd, biomarker A, biomarker B, stadium) met het doelprofiel van welk onderzoek dan ook geselecteerd is, en een gerangschikte staaflijst toont de geschiktheidsstatus en gelijkenisscore van elk onderzoek, live bijgewerkt terwijl schuiven bewegen.

🎮 Hoe te gebruiken

Pas de leeftijd, biomarkerniveaus en het stadium van de patiënt aan, schakel comorbiditeiten in/uit, en sleep de onderzoeks-strengheidsschuif om de numerieke geschiktheidsvensters te verbreden of te versmallen. Klik op een rij in de gerangschikte lijst om het doelprofiel van dat onderzoek met de patiënt te vergelijken in de radargrafiek.

💡 Wist je dat?

Echte matchingsystemen voor klinische onderzoeken scheiden criteria op dezelfde manier als deze simulator: harde veiligheidsuitsluitingen (zoals orgaanfunctiedrempels) worden nooit versoepeld, terwijl zachtere inclusievensters soms kunnen worden verbreed door een protocolwijziging van een studie — precies wat de strengheidsschuif hier modelleert.

Veelgestelde vragen

Hoe werkt de geschiktheidspoort eigenlijk?

Elk synthetisch onderzoek definieert harde inclusie-/exclusiecriteria: een leeftijdsbereik, een ziektestadium-bereik, minimale biomarkerdrempels en een set uitgesloten comorbiditeiten. De simulator controleert de werkelijke schuifwaarden van de patiënt tegen elk van deze criteria; een onderzoek wordt alleen als geschikt gemarkeerd wanneer ze allemaal tegelijk slagen. Niets hier is decoratief — de slaag/faal-status verandert op het moment dat je een schuif verplaatst.

Wat meet de gelijkenisscore?

Voor elk onderzoek wordt de genormaliseerde kenmerkvector van de patiënt (leeftijd, biomarker A, biomarker B, stadium, allemaal geschaald 0-1) vergeleken met het doelprofiel van het onderzoek met behulp van een gewogen Euclidische afstand. Elk onderzoek heeft zijn eigen gewichten per kenmerk die weerspiegelen welke criteria het belangrijkst zijn voor dat protocol. De gelijkenisscore is 100% minus die gewogen afstand, dus een nauwere match met het ideale profiel van het onderzoek scoort hoger.

Wat verandert de strengheidsschuif?

Hij verbreedt of versmalt de tolerantieband rond de numerieke harde criteria van elk onderzoek (leeftijdsbereik, stadiumbereik, biomarkerdrempels) — soepele instellingen laten patiënten net buiten het canonieke bereik toe, strenge instellingen handhaven het exacte gepubliceerde bereik. Comorbiditeit-uitsluitingen worden behandeld als absolute veiligheidscriteria en worden nooit versoepeld door deze schuif, wat weerspiegelt hoe echte onderzoeksprotocollen zachte geschiktheidsvensters scheiden van harde veiligheidsuitsluitingen.

Simuleert dit een echt matchingalgoritme voor onderzoeken?

De scoringsmechanica (harde-criteria-poort gevolgd door gewogen-afstand-rangschikking onder geschikte kandidaten) weerspiegelt de tweetraps-aanpak die door echte matchingtools voor klinische onderzoeken wordt gebruikt, maar de zes onderzoeken en het patiëntmodel zijn synthetische lesvoorbeelden, geen echte protocollen of patiëntgegevens.