diff --git a/drafts/ja/1_introduction.md b/drafts/ja/1_introduction.md
index d925033..9465ed5 100644
--- a/drafts/ja/1_introduction.md
+++ b/drafts/ja/1_introduction.md
@@ -34,22 +34,15 @@
 目視のみによる高精度なリスク予測は困難であり，
 IVUS画像から定量的にリスクを評価する手法が求められている．
 
-AMI患者において，IVUS上の減衰プラーク（attenuated plaque）
+急性心筋梗塞（acute myocardial infarction: AMI）患者において，IVUS上の減衰プラーク（attenuated plaque）
 の量（医師による手動のアテニュエーションスコアリングにより定量化）は，
-PCI後の血管造影上の血流がNo reflow/Slow flowを合わせた複合基準（TIMI flow grade 2以下）
-を満たした患者と満たさなかった患者との間で有意差があることが報告されている[wu2011]．
-なお，減衰プラークの存在の有無自体には有意差はなく，
-その量においてのみ有意差が認められた．
-これは，減衰プラークが多いほど血栓形成や微小血管閉塞が生じやすく，
-合併症のリスクが高まる可能性を示唆するものである．
+PCI後の血管造影でNo reflowまたはSlow flowと判定された患者と，
+そうでない患者との間で有意差があることが報告されている[wu2011]．
 しかしこのスコアリングは医師による手動評価にとどまっており，
 自動化・客観化された予測手法が求められている．
 
 No reflowやSlow flowの予測に有効な情報は，IVUS画像そのもの，患者の臨床変数，
 病変の形態の交差点に存在すると考えられる．
-一方でこれらの合併症は発症自体が比較的稀であり，
-アウトカムがラベル付けされた症例の中でも陽性例はさらに限られるため，
-これらの情報をエンドツーエンドに学習しきることは難しい．
 
 以上を踏まえ，本研究ではIVUS画像，患者の臨床情報，
 病変のプラーク特徴を統合的に扱うアーキテクチャ「KSCNet」を提案する．
@@ -60,13 +53,12 @@
 重み共有された2Dのフレーム単位エンコーダとフレーム間のTransformerによる系列モデリングを採用する．
 具体的には，(1) 患者単位の臨床情報とプラーク特徴（減衰プラークの面積など）
 を統合した特徴ベクトルをフレーム系列への追加トークンとして注入し画像表現と相互作用させる仕組み，
-(2) 血管腔・血管壁のセグメンテーションを補助タスクとして用い，
+(2) 血管腔・血管壁領域のセグメンテーションを補助タスクとして用い，
 その特徴を手がかりに症例レベルの特徴をcross-attentionにより集約する仕組み，
 (3) セグメンテーション損失と分類損失を動的に重み付けするマルチタスク損失，
 という3つの要素を統合している．
-これにより，画像のみを用いる手法，臨床情報のみを用いる表形式手法，
-および既存の減衰プラークスコアリング手法と比較して，
-IVUS画像・臨床情報・病変特徴を組み合わせることが予測性能の向上に寄与するかを検証する．
+本研究では，KSCNetを既存の減衰プラークスコアリング手法およびIVUS画像のみの手法と比較し，
+IVUS画像・臨床情報・プラーク特徴を組み合わせることが予測性能の向上に寄与するかを検証する．
 
 ---
 
@@ -84,3 +76,12 @@
 
 - これまでNo reflowやSlow flowの予測に関する研究の多くは，IVUS画像から得られる情報を用いつつも従来型の統計モデルを中心とした解析にとどまっており，深層学習を用いた研究はほとんど行われてこなかった【要出典・「多く」の妥当性要検証】．
 - 我々自身も先行検討として（短報として発表済み），IVUS画像に極座標変換を適用したうえで，医師のアノテーションから算出した減衰プラークの角度統計量（平均・最大・最小・標準偏差）をCNN-LSTMアーキテクチャに明示的に統合する手法を提案している．この手法は画像と減衰プラーク由来の統計量のみを用いるものであり，患者の臨床情報や血管・プラーク領域のセグメンテーションは統合されていなかった．
+
+## 2026-10-08 編集メモ
+
+paragraph 4（wu2011の減衰プラークに関する段落）を短縮．
+「減衰プラークの存在の有無自体には有意差はなく，その量においてのみ有意差が
+認められた」という存在/量の区別の記述，および「血栓形成や微小血管閉塞」という
+機序解釈の文は削除し，Related Work第1段落（より詳しい記述が既にある）に譲った．
+Introduction側は，有意差の核心的事実と，手動評価にとどまっているという
+動機づけのみを残す構成に変更．
diff --git a/drafts/ja/2_related_work.md b/drafts/ja/2_related_work.md
index f21b2c5..2e71b86 100644
--- a/drafts/ja/2_related_work.md
+++ b/drafts/ja/2_related_work.md
@@ -4,7 +4,7 @@
 No reflow/Slow flowとの関連でプラークの性状を評価する研究にも用いられてきた．
 その代表例がWu et al. (2011)であり，HORIZONS-AMI試験のサブスタディとして，
 primary PCIを施行されたAMI患者を対象にIVUSによるプラーク組成評価を行い，
-不安定で血栓形成性の内容物を反映する低輝度プラークである
+不安定で低輝度プラークである
 「減衰プラーク（attenuated plaque）」に着目した[wu2011]．
 同研究では，医師による手動のアテニュエーションスコアリングにより定量化した
 減衰プラークの量が，PCI後の血管造影上の血流がNo reflow/Slow flowを
diff --git a/sections/1_introduction.tex b/sections/1_introduction.tex
index 13ea814..ee5290d 100644
--- a/sections/1_introduction.tex
+++ b/sections/1_introduction.tex
@@ -46,25 +46,17 @@
 assessment alone is difficult, creating a need for methods that quantitatively
 assess risk from IVUS images.
 
-In AMI patients, a significant difference in the amount of attenuated plaque
-(quantified via a manual attenuation scoring system) has been reported between
-patients whose post-PCI angiographic flow met a composite no-reflow/slow-flow
-definition (TIMI flow grade $\leq$2) and those who did not \citep{wu2011}.
-The mere presence of attenuated plaque did not differ significantly between
-the two groups; only its extent did.
-This suggests that a greater amount of attenuated plaque may make thrombus
-formation and microvascular occlusion more likely,
-thereby increasing the risk of complications.
+In patients with acute myocardial infarction (AMI), a significant difference
+in the amount of attenuated plaque on IVUS
+(quantified via manual attenuation scoring by physicians) has been
+reported between patients judged to have no-reflow or slow flow on post-PCI
+angiography and those who were not \citep{wu2011}.
 However, this scoring remains a manual assessment performed by physicians,
 motivating the need for an automated and objective predictive approach.
 
 Information useful for predicting no-reflow and slow flow is thought to lie at
 the intersection of the IVUS images themselves,
 the patient's clinical variables, and the morphology of the lesion.
-At the same time, because these complications are relatively rare in themselves,
-and positive cases are even more limited among the cases whose outcomes are
-labeled, it is difficult to learn all of this information in an end-to-end
-manner.
 
 Building on the above, this study proposes KSCNet,
 an architecture that integrally handles IVUS images,
@@ -86,8 +78,7 @@
 guided by those features; and
 (3) a multi-task loss that dynamically weights the segmentation loss and the
 classification loss.
-This allows us to verify whether combining IVUS images, clinical information,
-and lesion features contributes to improved predictive performance,
-compared with methods that use only images,
-tabular methods that use only clinical information,
-and existing attenuated-plaque scoring methods.
+In this study, we compare KSCNet with existing attenuated-plaque scoring
+methods and with methods that use only IVUS images,
+and examine whether combining IVUS images, clinical information,
+and plaque features contributes to improved predictive performance.