潰瘍性大腸炎（UC）の治療目標は「粘膜が治る＝粘膜治癒」。だが判定に使うMayo内視鏡スコア（0–3の4段階）は医師間一致が低く（κ≈0.4–0.6）、治験では中央読影が必須。さらに内視鏡で寛解に見えても顕微鏡的には炎症が残り再燃する「内視鏡-組織の乖離」が本質的課題。Hiroは消化器実習でUC内視鏡のスコアリングに迷う当事者（大腸CADe/CADx＝ポリープ検出やカプセル内視鏡とは別問題で、炎症性腸疾患の活動性評価が空白）。
Mayo/UCEIS分類も組織学的寛解の推定も既に高精度（κ最大≈.9）＝新規性をそこに置かない。萌芽の核は①4段階を超えた較正済み連続活動性＋不確実性＋病変分解（血管透見/びらん/潰瘍/出血の説明可能な内訳）②内視鏡から残存微小炎症を推定する"バーチャル生検"で生検数を減らす③「内視鏡寛解だがAI残存信号あり」から再燃・治療反応を前向きに予測④全大腸の区域別×経時の広がり地図⑤機種・施設・腸管前処置を越える汎化、が未踏。
人間は血管・微細構造の連続的シグナルを定量できず4段階に丸める。動画の時間情報・弱ラベル・施設差補正は表現学習が必然。単フレーム分類では区域分布と経時変化、残存微小炎症を捉えられない。
較正済み連続活動性＋予後接地の内視鏡評価プロトタイプ＝学会・論文・公開データセット。出口は治験の中央読影自動化＋治療目標（treat-to-target）モニタリングの支援（確定診断・治療は消化器内視鏡医、SaMD規制対象）。クローン病など他の長時間内視鏡映像へ横展開。Hiroは消化器を学ぶ医学生×エンジニアで、臨床の文脈と動画の表現学習の両面が効く。