胎児が小さいとき、体質的に小さいだけのSGAか、胎盤機能不全による病的な発育不全（FGR）かの見分けは難しい。FGRは死産・周産期合併症のリスクが高く見逃せない一方、過剰に早産させれば未熟性の害が出る。だが1時点の推定体重（EFW）の小ささだけではSGAとFGRが混ざる。発育の速度とドプラ血流から両者を分けられるか。産科は医学生にとっても身近で、画像でなく計測値・波形という可視化しやすい対象が効く。
1時点のEFWでなく、縦断的な発育速度（クロスセンタイル）と臍帯動脈・中大脳動脈ドプラ（CPR低下・AEDF/REDF）を統合すれば、体質性SGAと病的FGRを一貫して層別し確率を較正できる、と仮説。「小ささの判定」でなく「小ささの“質”（体質か病的か）を発育とドプラの動態で分ける」点が新規。
複数回の超音波にまたがる発育軌跡の評価、ドプラ波形そのものの異常検出、両者の非線形な組合せは、人手や単発の基準値では捉えにくい。時系列＋波形の機械学習でこそ、SGAと病的FGRを分ける層別と較正ができる＝AIでしか届かない粒度。
発育＋ドプラによる層別と較正＝学会・論文。出口はまず妊婦健診・周産期センターでの監視強化や受診間隔の目安提示（トリアージ支援）。分娩時期の最終判断は胎児医学・産科医が担い本企画は層別の支援に限定。Hiroは産科を学ぶ医学生＝当事者で、周産期医療の社会的意義は大きい。