医学教育で「どの概念が・なぜつまずかれるか」は、いまも指導者の経験則に依存している。国家試験スケールの知識依存を実証データで構造化した公開研究は日本にほとんど無い。大規模な学習ログから、医学知識の構造そのものを解明できるか——が問い。
1v1対戦＋1文字4択の大量解答ログに 項目反応理論(IRT)＋知識追跡(Knowledge Tracing/DKT)＋誤答共起グラフを適用すれば、国試の「知識依存ネットワーク」と「つまずきの定型パターン」が抽出でき、個別最適出題に転用できる、と仮説する。日本語・国試規模で公開された知識構造マップは前例が見当たらず、新規性がある。
数十万件規模の系列解答ログは人手で構造化できない。系列深層モデル（DKT／Transformer系）で潜在的な知識状態を推定し、設問埋め込みで概念間の潜在依存を学習する必要がある＝AIでしか到達できない粒度と規模。単なる集計では「つまずきの連鎖」は見えない。
医学教育の知識構造マップ＝学会発表・論文に加え、みんこくの個別最適出題エンジンへ即実装（既存プロダクトを持つので社会実装が速い）。将来は薬剤師・看護等の他資格、他大学カリキュラムへ横展開。Hiro自身が医学生＝データとドメイン両面で優位。