医療データは、初期条件に敏感に依存する傾向がしばしば見られます。これは、初期状態のわずかな違いが質的に異なる軌跡へと伝播していく二重振り子によく表れる現象です。臨床集団においても、患者の背景、併存疾患の負担、あるいは測定されていない生活習慣因子のわずかな違いが、結果に不釣り合いに大きな違いをもたらす場合、同様の分岐が生じます。因果分析の前にこれらの分布構造を平均化または平滑化する分析フレームワークは、治療反応の差異を生み出す分岐構造をまさに消し去ってしまう危険性があります。DSA-DAGは、この分岐構造を崩壊させるのではなく維持し、得られた構造マップを、品質ラベル付きの因果仮説生成を通じて説明可能な介入設計に結びつけるように設計されています。