Abstract
<jats:p>Рак лёгкого остаётся одной из ведущих причин онкологической смертности в мире, при этом большинство случаев диагностируется на поздних стадиях, что обусловливает неблагоприятный прогноз. В связи с этим актуальным направлением исследований является разработка эффективных методов диагностики заболевания. Целью настоящей работы является обобщение и критический анализ современных данных о диагностической эффективности биомаркерной диагностики рака легкого с акцентом на мультимаркерные панели и использование моделей искусственного интеллекта, а также оценка факторов, ограничивающих их клиническое внедрение. Выполнен нарративный обзор публикаций, отобранных в базах PubMed, MEDLINE, Scopus и Web of Science за период с 2010 по 2025 год. Проанализированы более 60 клинических исследований и метаанализов, посвящённых циркулирующей опухолевой ДНК, микроРНК, белковым маркерам, аутоантителам и циркулирующим опухолевым клеткам, а также применению алгоритмов машинного обучения для диагностики рака лёгкого. В список литературы включено 27 источников. Установлено, что использование мультимаркерных панелей, особенно в сочетании с клиническими данными, обеспечивает более высокую диагностическую ценность по сравнению с отдельными биомаркерами. Показано, что применение методов машинного обучения способствует повышению точности диагностики и стратификации риска. В то же время выявлено, что преобладание ретроспективных исследований с внутренней валидацией ограничивает воспроизводимость результатов и их клиническую интерпретацию. Таким образом, анализ циркулирующих биомаркеров крови в сочетании с методами машинного обучения представляет перспективное направление неинвазивной диагностики рака лёгкого, однако его внедрение в клиническую практику и популяционный скрининг требует дальнейшего подтверждения в проспективных многоцентровых исследованиях.</jats:p>