EMG・NCSは末梢神経・筋・NMJ疾患の診断の要だが、針を刺す痛い検査で、波形の取得が検者の技量に依存し、判読は専門医の暗黙知で施設間のばらつきが大きい（既報のEMG感度は47–83%と幅がある）。MUAPの振幅・持続、伝導速度、F波、反復刺激の減衰など、波形に豊富な情報が埋もれているのに、いまは数個の要約指標とカテゴリ判定に切り詰められている。
多チャンネル電気診断の時系列そのものから連続的な潜在表現を学べば、(a)軸索性↔脱髄性・長さ依存性・NMJ関与を連続軸で表現でき、(b)早期ALSとミミック、CIDP亜型、ICUの重症病態筋ニューロパチーなど人が割れる境界例を、説明可能な波形バイオマーカーつきで層別できる、と仮説する。既報の多くは単施設の分類止まりで、機種横断の較正・表現発見・説明可能性は未踏。
多チャンネル・不等長・機種依存の波形は、人手の要約指標では情報が落ちる。自己教師あり表現学習＋時系列モデルでなければ、潜在構造の発見と機種をまたいだ汎化は難しい＝AIでしか届かない粒度。単なる指標集計では「境界の連続性」も「説明」も出てこない。
電気診断の標準化と非専門施設・遠隔判読の支援、痛い再検査の削減、早期ALS／ミミック鑑別の前倒し。まずは専門医確認を前提とした研究用の意思決定支援として出す。Hiro自身が医学生＝当事者で、検査の負担と判読のばらつきを肌で知る立場。