この記事では、体全体の腫瘍診断における多ショット拡散強調MRI（DWI）の臨床利用を制限する、呼吸や腸蠕動などによる運動誘発の位相アーチファクトを克服するための新しい再構成フレームワーク「LoSP-Prompt」を提案しています。このフレームワークは、物理に基づいたモデリングと合成データ駆動型のプロンプト学習を活用し、高次の局所的に滑らかな位相（LoSP）を用いてショット間の位相変動をモデル化し、低ランクのハンケル行列再構成に統合しています。LoSP-Promptは、10,000以上の臨床画像に対して検証され、臨床単発DWIの2倍の空間解像度を達成し、さまざまな解剖領域への一般化、画像品質の向上、アーチファクト抑制、ノイズ削減において最先端の方法を上回っています。このアプローチは、ナビゲーター信号や現実的なデータ監視を排除し、高解像度の多臓器多ショットDWIに対する解釈可能で堅牢な解決策を提供しています。