Рак легких является ведущей причиной смертности от рака во всем мире. Из-за скрытого характера ранних симптомов диагноз часто ставится на поздних стадиях. Скрининг с помощью компьютерной томографии с низкой или стандартной дозой облучения (computed tomography, CT) повысил уровень раннего выявления, однако проблемы с ионизирующим излучением способствовали росту интереса к магнитно-резонансной томографии (magnetic resonance imaging, MRI) как методу визуализации без облучения. Новые последовательности MRI демонстрируют превосходные характеристики против артефактов, высокое разрешение и способность выявлять мелкие узлы легкого. Тем не менее, при клиническом внедрении они сталкиваются с трудностями, такими как отсутствие стандартизированных параметров, высокая зависимость от оборудования и недостаток опыта чтения изображений, что ограничивает их применение в реальной практике. Данная статья фокусируется на узких местах трансформации таких последовательностей в раннем скрининге и качественной диагностике легочных узлов, пытаясь построить трёхкомпонентную оценочную систему, основанную на «эффективности — адаптивности — интерпретации». Кроме того, рассматривается возможность объединения функциональной MRI с диагностическими моделями искусственного интеллекта (artificial intelligence, AI) и отмечаются ключевые проблемы современных AI-моделей при обработке данных MRI — нехватка обучающих данных, гетерогенность последовательностей и проблемы переноса признаков. В целом, статья системно анализирует технические достижения MRI при скрининге и диагностике легочных узлов, с особым акцентом на сложности внедрения новых последовательностей и пробелы в AI-анализе, направляя исследовательские идеи и практические рекомендации для безоблучительных путей скрининга рака легкого.

легочные узлы;магнитно-резонансная томография;последовательности МРТ;радиомика;персонализированная медицина