agentleFS
embryossaembryossa/embryo-lab-data/CLAUDE.md

embryo-lab-data

CLAUDE.md0 starsChanged 30 days agoMITView on GitHub

Перед работой прочитай этот файл и docs/CONTRACTS.md. Основной пользовательский вход — skill /run-analysis; отдельный BAT проекта не создавать и не запускать. - Все циклы ICSI; benchmark FR фиксирован 75%. - MII необязателен. FR использует MII, если MII фактически известен, иначе Inseminated. - OCCR=OCC/follicles — «Частота получения ОКК» модели. - MIIR=MII/OCC — отдельный maturity rate и считается только при известном MII. - Ноль — известное наблюдение, не пропуск. Исключение строк с 2PN=0 сохраняется. - AMH и BMI импутируются действующей логикой normalize.py;…

The file

Files
CLAUDE.md

CLAUDE.md — правила проекта Embryo Lab Data Analytics

Перед работой прочитай этот файл и docs/CONTRACTS.md. Основной пользовательский вход — skill /run-analysis; отдельный BAT проекта не создавать и не запускать.

Неподвижные решения владельца

  • Все циклы ICSI; benchmark FR фиксирован 75%.
  • MII необязателен. FR использует MII, если MII фактически известен, иначе Inseminated.
  • OCCR=OCC/follicles — «Частота получения ОКК» модели.
  • MIIR=MII/OCC — отдельный maturity rate и считается только при известном MII.
  • Ноль — известное наблюдение, не пропуск. Исключение строк с 2PN=0 сохраняется.
  • AMH и BMI импутируются действующей логикой normalize.py; правила не менять.
  • Model_KPIScore точно повторяет формулу обучения. KPIScore — только совместимый алиас на границе модели; не смешивать с лабораторными Vienna KPI.
  • Когортный KPI = Σ numerator / Σ denominator, никогда не mean индивидуальных ratios.
  • Для FR/ClR/BlR/TGBDR/OCCR/MIIR контроль нижний; для DegR/3pNR — верхний.
  • Показатель выше 100% — НЕ «испорченные данные» и не повод забраковать строку. ClR > 100% — неоптимальный тайминг оценки оплодотворения: часть зигот не попала в окно визуализации пронуклеусов и не учтена как 2pN, но продробилась (вывод — про тайминг проверки, а не про правила подсчёта). MII > OCC (и следом прогноз воронки OCC→MII больше 1) — в программу добавлены размороженные ооциты, которых не было в OCC свежей пункции. Называть это «data integrity / counting mismatch» запрещено; биномиальный CI в таких строках не считается только потому, что математически не определён.
  • Стадия «хорошие бластоцисты» существует в ДВУХ базах: Vienna TGBDR = Good Bl / 2pN (пороги 30%/40%) и доля от бластоцист good/Bl — так считают CSDI (good_rate) и шаг воронки Bl→Good. Не сравнивать их между собой и не читать Bl→Good против порогов TGBDR: одна и та же лаборатория даёт Bl→Good ≈70% и TGBDR ≈43% одновременно. Мост: TGBDR = (Bl→Good) × BlR. У KAT-фич и calibrate_for_clinic база — 2PN, как у Vienna; у CSDI blast_rate = Bl/2pN совпадает с BlR, расхождение только на одной стадии.
  • В KPI-таблице обязательны numerator, denominator, 95% CI, direction, competency, benchmark, status и срезы по времени, IVF/ICSI, эмбриологу, врачу.
  • Review-list формируется после join как priority<=2 OR ci_width_pp>20.
  • DNN недействительна без сохранённого scaler обучения; fit на inference запрещён.
  • Warning MIRI возникает только из реального эпизода severity warning/critical.
  • MIRI: пропуск логов <8ч в окне культивирования — потеря возможности ПИСАТЬ логи (например, отключение питания), реальное неблагоприятное событие для анализа, а не «нет данных». Пропуск ≥8ч — явная остановка инкубатора или логирования. Порог — incubator.DEFAULT_SEVERITY["gap_reason_threshold_minutes"]; поле gap_reason на событиях event_type=gap, не заменяет существующую severity (10-минутный порог).
  • KPI эмбриологов (FR, ClR, BlR, TGBDR, DegR, 3pNR) и KPI врачей (только OCCR, MIIR) — раздельные таблицы; никогда не сравнивать/не смешивать эмбриолога и врача в одной таблице или одном выводе. Ниже уровня компетентности — отдельный абзац «Поводы задуматься», не встроенный в таблицу. Эти две таблицы строятся на широкой lab-популяции (без гейта transferred>0) минус kpi.competency_exclusion_mask (открытые циклы без Bl, NO-retrieval, freeze-all/Cryo — токены в config/columns.yaml); это исключение больше нигде в пайплайне не применяется.
  • OZEMA — арест-паттерны цикла (OMA/FF/ZA/EEA), односторонний биномиальный тест (α=0.05) против порогов 75%/60%/95%/40%, n<4 → «н/д» (не «n/a» — коллизия с pandas na_values). Методология и пороги — Van Der Kelen et al., Hum Reprod 2026, лист OZEMA мастер-таблицы OPU (Google Drive). ≥2 флагов у одного пациента — кандидат на обсуждение генетического консультирования; это НЕ диагноз. Работает без transferred>0-гейта и без exclusion-набора эмбриолог/врач таблиц (freeze-all циклы тоже могут получить флаг) — единственное собственное исключение OZEMA: TESE/SMF из sperm_source, и только для стадии FF.
  • Итоговый HTML-отчёт (report.py): состав вкладок, палитра и решения владельца по отчёту (стиль не менять без запроса, источник воронки, место дискриминативных метрик) — в skill run-analysis, раздел «Неподвижные решения владельца по HTML-отчёту»; правило о метриках для синтеза — в .claude/agents/lead-analyst.md.

Поток данных

  1. Resolve колонок только через config/columns.yaml; неизвестные имена не угадывать.
  2. Normalize Preg, AMH/BMI; отобрать строки с переносом и заполненным исходом.
  3. Добавить локальный HMAC cycle_uid; ID/ФИО остаются в локальном слое.
  4. Посчитать лабораторные KPI и отдельный Model_KPIScore.
  5. Запустить свежие batch-результаты IVF Digital Twin и TabPFN. Старый файл текущим результатом не считать. Дополнительно (мягкий сбой, не блокирует пайплайн) запустить TabPFN-3 regression количественных стадий воронки и сверить факт против P10–P90 — независимый QA-слой, не заменяет реконсилиацию по исходу переноса.
  6. Выполнить TabPFN → dt_predictions.csv → OPU_table_enriched.xlsx и проверку контрактов.
  7. Перенести DataLore-аналитику локально: калибровка, funnel, flags, review-list, агрегированные KPI и срезы.
  8. Для review-list ∪ wide CI разобрать MIRI в окне Date OPU..+6 дней: episodes, duration, max deviation, severity, gaps, recovery time. 8a. Для того же окна Date OPU..+N дней сверить смену лотов расходников (Airtable, см. «Внешние инструменты») — сколько лотов активно на позицию, была ли смена лота внутри окна (event_type=lot_change) как кандидат-confounder. 8b. Для той же когорты (review-list ∪ известный исход переноса) — при наличии скачанных отчётов ПГТ-А в data/processed/local_private/pgt_reports/ — посчитать когортные признаки euploid rate, CNV QC noise (только по эуплоидным эмбрионам) и вариативность analysis settings; мягкий шаг, не блокирует пайплайн при отсутствии отчётов.
  9. Атомарно записать CSV/XLSX/HTML/JSON и run manifest.
  10. Агентам дать только папку agent_packets текущего прогона (data/processed/agent_packets/ для клиники A, data/processed/<клиника>/agent_packets/ для остальных); reverse join выполнить Python локально после интерпретации.

Мониторинг и контроль подключения компонентов (обязательно)

Владелец, 2026-10-02: каждый прогон сопровождается мониторингом и явной проверкой подключения ВСЕХ компонентов. Мягкий сбой допустим для пайплайна, но не для отчёта о прогоне: тихо пропущенный шаг выглядит как «данных нет» (прецедент — pymupdf, 19.07.2026).

  • До расчёта: scripts/preflight.py = 0 и --dt-check со статусом службы ready.
  • Во время: длинный прогон идёт в фоне с логом, лог проверяется, а не только код выхода.
  • После: по каждому компоненту — DT 7.1 API, TabPFN, TabPFN-3 regression, DNN/EVO, Laya, Airtable-лоты, MIRI (Google Drive MCP), ПГТ-А портал (claude-in-chrome), Teable — сверить фактическое покрытие свежего прогона (run_manifest.json, число строк/циклов в выходах, mtime) с ожидаемым и привести пользователю таблицу статусов: ok / мягкий сбой + причина / выключен гейтом. Нулевое покрытие включённого компонента — сбой подключения, пока не доказано обратное (см. правило о несделанном шаге и отсутствии данных).

Приватность

Запрещено помещать в agent prompt/packet: ID, _key, _join, ФИО, DOB, сведения мужа, точные идентификаторы записей. Разрешён cycle_uid и аналитические признаки по allow-list. Ни один агент не должен читать data/inbox, data/raw, data/processed/local_private, OPU master или полный dt_predictions.csv. Финальный XLSX/HTML с локально возвращёнными идентификаторами формирует только Python.

Внешние инструменты

  • Все абсолютные машинные пути к внешним инструментам ниже (Digital Twin, TabPFN, DNN, TabPFN-3 regression) живут ТОЛЬКО в config/machine.local.yaml (в .gitignore, общий для всех клиник — см. config/machine.local.yaml.example). Этот файл — не место для них; при переезде на новую машину меняется только config/machine.local.yaml, этот раздел не устаревает.
  • Digital Twin: только 7.1 через локальный REST API (служба IVFClinicIntegration71, подключение «Аналитика», src/embryo/dt_api.py) — для всех клиник и всех команд; батч 7.0 (RUN_BATCH.bat) снят 2026-09-13. Политика пакета — digital_twin.api в settings.yaml клиники, сертификат службы — digital_twin.api.ca_cert в config/machine.local.yaml, ключ — под DPAPI (python -m embryo.dt_api store-key).
  • TabPFN: batch adapter из external/tabpfn/, установленный в существующий проект TabPFN — путь в external_tools.tabpfn.project_dir.
  • TabPFN-3 regression (количественный прогноз стадий MII/2PN/Bl/Good Bl/Frozen): tabpfn3_ivf_regression_report_CPU_16K.py, своё окружение .venv в том же проекте — путь в external_tools.tabpfn_regression.project_dir. Гейт external_tools.tabpfn_regression.enabled (по умолчанию включён); сбой этого шага мягкий и не блокирует остальной прогон.
  • DNN model: путь в external_tools.dnn_verifier.model_path; scaler — в dnn_verifier.scaler_path. Текущий training_scaler.joblib — реконструкция (2026-07-17, см. config/settings.local.yaml), не сохранённый оригинал обучения; raw-выход EVO сравнивается с DT/TabPFN без отдельного калибратора.
  • Laya (laya_kan_ft, проект Laya, своё .venv): внешний компаратор DT, НЕ член ансамбля L1–L7 и не замена DT; адаптер external/laya/laya_batch.py вызывает тот же service/laya_ivf.assess, что MCP laya_ivf. Гейт/центр/restore — external_tools.laya в settings.yaml клиники, пути — config/machine.local.yaml; мягкий сбой (laya_status в run_manifest). Валидация 2026-10-15 на 1 387 циклах Teable: внутрицентровый AUC Laya 0.555 vs DT 0.559; laya_disagreement_high — повод перепроверить цикл (в этой зоне Brier DT выше), не вердикт. Вероятность непригодного цикла не публикуется.
  • DataLore reference: notebooks/reference/Data_Twin_analytics.ipynb; выполняемый код — локальный Python-модуль, а не облачный notebook.
  • Consumable lots: Airtable-база лаборатории (ID базы/таблиц — в config/settings.local.yaml; «расходные материалы» + «Barcode Changes History»), забирается живым pull по REST API (src/embryo/lots.py). Гейт consumable_lots.enabled + Personal Access Token — только в config/settings.local.yaml, в репозиторий не коммитятся.
  • MIRI логи: авторитетный источник — шаренная папка Google Drive (структура и формат CSV зеркальны data/miri_logs/6391/). Синхронизация — только интерактивно через Google Drive MCP и только недели окна пациентов review-list, не весь архив, не headless Python (процедура — run-analysis шаг 2a). Вручную в data/miri_logs логи не кладутся.
  • ПГТ-А: личный кабинет https://pa.ivf.uz/orders (нет API) — скачивание и сопоставление только интерактивно через claude-in-chrome, не headless (процедура — run-analysis шаг 2b); парсинг — src/embryo/pgt.py. Классификация euploid/aneuploid/mosaic — по английскому Summary result, не по русскоязычному Sign-off comment (у отчёта нечитаемый кириллический шрифт без ToUnicode CMap — ограничение самого PDF, подтверждено на pdfplumber и PyMuPDF). Только когорта review-list ∪ известный исход переноса. Сырые PDF и ФИО — только data/processed/local_private/pgt_reports/, не коммитятся, не попадают в agent packet (лабораторный sample_id эмбриона тоже — он содержит фрагмент ФИО, в пакет уходит только порядковый embryo_N); интерпретация — роль pgt-forensics.

Роли Claude Code

Модели ролей — во frontmatter .claude/agents/*.md (источник истины). Промежуточные роли — дешёвые модели (однотипные объяснения по готовому пакету); синтезирующие роли пинятся полным ID, а не alias opus, чтобы модель не менялась молча при сдвиге alias. Файл агента один на все клиники. Python считает и классифицирует; агенты только объясняют. Факт и гипотезу всегда разделять, диагнозов и назначений не давать.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.