低身長や成長の遅れの多くは体質的な正常変異だが、一部にターナー症候群・成長ホルモン分泌不全・甲状腺機能低下・骨系統疾患・吸収不良・ネグレクトによる発育不全が隠れる。現状の拾い上げは「パーセンタイルを横切ったら紹介」という静的・点ごとの経験則で、見落としと過剰紹介が同時に起きる。成長は本来"速度"と"個人の軌跡"の現象なのに、点の身長でしか見ていない。
成長曲線をML/DLで当てはめる手法（SITAR、2025年のDeep-SITAR）や、画像＋臨床値でGH分泌不全を当てる分類器は既にある——誇張しない。だがそれらは整備された研究コホート前提。新規性は、母子手帳・健診・小児科EHRという"不規則で欠測だらけの実世界の縦断記録そのもの"を対象に、①自己教師あり事前学習で「正常な育ちの軌跡」を表現し稀な病的パターンを少ラベルで検出、②較正された不確実性つきで"病的成長らしさ"と"いつ精査すべきか"を出し、③実際の診断・転帰に接地して日本人集団で較正する点。骨年齢の読影自体（BoneXpert等が成熟）は再発明せず特徴として使う。
成長記録は受診のたびに不規則間隔・多欠測で測られ、思春期で非線形に加速し、身長・体重・BMI・思春期段階・両親身長・骨年齢・検査値が絡む。この不規則・多変量・縦断データから個人の潜在的成長過程を推定し、極端に稀な病的パターンを少ラベルで拾うのは固定ルールでは不可能で、連続時間の潜在過程モデルと自己教師あり表現学習が要る。
乳幼児健診・学校健診・小児科EHRに組み込み、「精査が必要な子」を早く正確に拾い、正常変異の子を安心させる非診断の意思決定支援。GH治療適応の判断補助や全身疾患の入口にも。Hiroは母子手帳・学校健診で育った当事者かつ医学生として、正常変異と病気の線引きを内側から設計できる。#28乳児の自発運動、#60胎児発育、#102顔貌フェノタイピングとは別軸で、対象は出生後の"身長・体重の縦断的な育ち"そのもの。