В данной обзорной статье, опубликованной в журнале 'Artificial Intelligence in Medicine' в декабре 2026 года, рассматривается передовой подход к использованию радиомники и методов искусственного интеллекта для выявления системных заболеваний на основе исключительно локализованных медицинских изображений. Авторы, включая Лиси Ван, Юя Ши и других экспертов, демонстрируют, как алгоритмы глубокого обучения способны извлекать скрытые биомаркеры из снимков, не охватывающих весь орган или тело, что позволяет прогнозировать такие состояния, как сердечно-сосудистые патологии, диабет или онкологические метастазы, по данным, полученным, например, только из КТ грудной клетки или МРТ мозга. Исследование подчеркивает методологическую значимость радиомники — количественного анализа характеристик изображений на уровне пикселей, который в сочетании с нейросетями выявляет паттерны, невидимые человеческому глазу. Ключевые результаты обзора показывают высокую точность (AUC до 0.90-0.95 в ряде исследований) предсказания системных рисков, что открывает новые возможности для ранней диагностики и персонализированной медицины. Статья подробно анализирует архитектуру моделей, методы валидации и проблемы обобщаемости алгоритмов на различных популяциях. Значимость работы заключается в потенциале снижения необходимости в инвазивных или дорогостоящих全身ных обследованиях, используя уже имеющиеся локальные снимки. Это направление считается одним из самых перспективных в медицинской ИИ-диагностике, так как оно максимизирует ценность уже собранных данных визуализации.