В исследовании представлена инновационная мультизадачная модель глубокого обучения, разработанная для высокоточного прогнозирования статуса мутации гена EGFR у пациентов с немелкоклеточным раком легкого (НМРЛ). Данная технология направлена на автоматизацию процесса идентификации ключевых генетических маркеров, что критически важно для подбора таргетной терапии. Методология исследования базируется на использовании нейросетевых архитектур, способных одновременно обрабатывать несколько биомедицинских задач, что повышает точность классификации по сравнению с традиционными методами. Применение ИИ позволяет сократить время на проведение сложных молекулярно-генетических тестов и снизить вероятность человеческой ошибки при интерпретации данных. Результаты демонстрируют значительный потенциал модели в клинической практике, обеспечивая персонализированный подход к лечению онкологических заболеваний. Внедрение подобных систем в радиологическую и патоморфологическую практику может существенно оптимизировать протоколы ведения пациентов с НМРЛ.