急性中耳炎（AOM）は小児で最も多い感染症の一つで、抗菌薬処方の主因。だが鼓膜所見の判読は主観的で、一般医のAOM診断精度は62〜78%、滲出性中耳炎（OME）は43〜52%、誤診は最大50%と報告される。結果、AOMの約32%で適応のない抗菌薬が出る。耳鏡は学生が最初に学ぶ手技＝医学生＝当事者領域。「診る人で診断が変わる」暗黙知をAIで較正できるかが問い。
鼓膜をセグメントし膨隆・発赤・液面・光錐消失を学べば、AOM↔OME（＝抗菌薬の要否を分ける急所）を較正確率で鑑別でき、抗菌薬の要否判断支援まで一体化できる、と仮説。単なる分類でなく「所見定量・AOM↔OME鑑別・機種をまたぐ較正・抗菌薬適正使用への接続」を一体で構造化する点が新規。
鼓膜所見は照明・角度・耳垢・機種で見え方が激変し、熟練でも一致率が低い。所見を定量し機種・集団をまたいで安定に鑑別するには、大量画像の表現学習と較正が要る。内部88〜94%でもデータ偏りで他機種に落ちる汎化ギャップの克服は、説明可能AI＋多機種データでしか到達できない。
機種・集団をまたいで較正されたAOM／OME鑑別と抗菌薬判断支援の構造マップ＝学会・論文。出口はまずプライマリケア・遠隔診療・小児救急での所見可視化と「抗菌薬を待てるか」の支援、所見を見せる保護者への説明補助。確定診断と処方は医師が担い本企画は判断支援に限定。Hiroは耳鏡を学ぶ医学生＝当事者。