Обоснование. Изменения предстательной железы категории PI RADS 3 — клиническая ситуация, требующая повышения точности диагностики и минимизации применения инвазивных методов. Изучение потенциальной ценности текстурного анализа изображений магнитно-резонансной томографии в стратификации риска рака предстательной железы является актуальной задачей современной медицинской диагностики.

Цель — систематизация и анализ современных данных о применении текстурного анализа для стратификации риска рака предстательной железы у пациентов с категорией PI-RADS 3, а также оценка его диагностической значимости в дифференциации клинически значимого и клинически незначимого рака предстательной железы.

Материалы и методы. Отобраны и проанализированы статьи, опубликованные за последние 7 лет, найденные в базах данных реферативной и аналитической информации о научных исследованиях (Medline, Scopus) с использованием поисковых систем (PubMed, Google Scholar, eLibrary). Применяли ключевые слова, связанные с текстурным анализом и радиомикой в контексте диагностики и стратификации риска рака предстательной железы.

Результаты. Анализ отобранных публикаций показал, что применение машинного обучения и текстурного анализа значительно повышает точность диагностики рака предстательной железы. Эти методы позволяют более точно стратифицировать риски и определять реальную потребность в биопсии при раке предстательной железы, что потенциально ведёт к снижению количества ненужных инвазивных процедур.

Заключение. Текстурный анализ обладает возможностями для улучшения диагностической точности в случае изменений предстательной железы категории PI-RADS 3. Однако для его широкого клинического применения необходимо провести дополнительные исследования, направленные на стандартизацию методик, и мультицентровые клинические испытания.

论证。前列腺PI-RADS 3类变化是临床上需要提高诊断精度并最小化侵入性方法应用的情况。研究磁共振成像纹理分析在前列腺癌风险分层中的潜在价值，已成为当前医学诊断中的重要课题。

目的。系统整理和分析关于纹理分析在PI-RADS 3 类别前列腺癌风险分层中的应用的最新数据，评估其在区分临床显著性和临床不显著性前列腺癌中的诊断意义。

材料与方法。选取并分析了过去7年内在科学研究文献数据库（如Medline、Scopus）中找到的文章，通过搜索引擎（PubMed、Google Scholar、eLibrary）查找相关文献。使用与纹理分析和放射组学相关的关键词，研究前列腺癌风险分层和诊断中的应用。

结果。对选定文献的分析表明，机器学习和纹理分析的应用显著提高了前列腺癌的诊断精度。这些方法可以更准确地进行风险分层，判断前列腺癌患者是否需要进行活检，从而有潜力减少不必要的侵入性检查。

结论。纹理分析在PI-RADS 3类前列腺变化的诊断精度提高方面具有潜力。然而，为了广泛应用于临床，仍需进一步研究以标准化方法，并开展多中心临床试验。