医学教育で「分散学習・間隔反復が長期保持に効く」ことはEbbinghaus以来知られる。だが国家試験スケールで「どの領域を・どれだけの速さで忘れるか」という忘却構造を、個人差込みで実証マッピングした日本語の公開研究は乏しい。薬剤名・数値基準は速く忘れ、概念理解は残る——はずだが領域別に定量化されていない。
正誤と経過時間の大規模ログに 忘却関数（指数／べき乗）＋生存時間解析＋知識追跡(DKT) を適用すれば、「個人×領域×概念」の忘却率（記憶の半減期）を推定でき、保持率を最大化する個別最適な復習スケジュールが導ける、と仮説。間隔反復の有効性自体は確立済みで、新規性は「日本語・国試規模での領域別忘却率の実証マップ」と「知識追跡を統合した個別最適化」に絞る。
復習ログは疎で不規則（人により復習タイミングがバラバラ）。疎な系列から「個人×領域×時間」の三次元の保持率を推定するには、ベイズ的忘却モデルや系列深層モデルが必須＝人手集計では個別の忘却曲線は描けない。AIでしか到達できない粒度。
医学知識の忘却構造マップ＝学会発表・論文。加えてみんこくの復習エンジン（間隔反復スケジューラ）へ即実装し、国試直前期の学習効率を実証的に最適化。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は医学生＝当事者かつ復習ログ資産を持つ。