由 dawei 会上，众多专家指出，目前企业开发的医学影像AI产品，离临床实际应用还有一定的距离。
其主要体现在两点：一方面是工程技术尚未成熟；另一方面则是产品开发者对临床需求的理解和认知有限。
首先，深度学习的不可解释性和调参难题仍未被实质性地解决，甚至研究成果的可重复性都时常被质疑。算法和软件的性能稳定性和鲁棒性在理论和应用实践上均缺乏有力的支持。
而上述问题的本质是，由于科研人员做的研究总体偏工程，较为缺乏原创性和突破性的基础研究，导致工程技术开发正在进入瓶颈期。
十分注重理论基础的李纯明教授深感基础研究的重要性，因此在会议中加强了数学理论与方法的内容，邀请了国内著名的优化理论与算法专家何炳生等数学领域的专家做了图像科学的数学理论与方法系列讲座。
此外，李纯明教授也特地安排了“临床医生谈需求与挑战专场”和“医工交流会专场”，聚集众多医生与工科人，共同探讨临床问题的技术解决方案。
为了更加全面地促进理工医深度融合，整个大会在3天内共设置了24个主题专场，100多位海内外知名讲者向与会者分享了他们的最新研究成果以及对理工医交叉的看法。
雷锋网作为两届ISICDM的独家媒体，透过这两年的报告内容，总结出以下四个趋势：
ISICDM期间，Baba Vemuri、罗杰波等嘉宾公开指出，利用大量标注医学图像数据做训练，这并不是一种长久的研究方式。
首先，由于隐私问题，目前医院方不太可能开放出太多高质量的数据供开发人员训练和使用。与此同时，深度学习的不可解释性，无法循证，这在解决医学问题当中非常受限。而这两项也严重制约了医学影像分析的发展。
因此，开拓基础理论研究，而非单一在数据上解决问题，成了学者们新的征途。
四川大学华西医院步宏教授曾在第一届ISICDM大会中指出：医生应用AI，最怕的就是别人对我们说，你们什么都不用管，只要给我数据，我就一定能做出成果来。这类人我遇到很多。医学并不是一门纯粹的科学，还涉及很多人文、伦理等因素。理工科的人也许认为，只要把数据给他们即可进行训练模型。但医生还必须考虑哪些信息必须隐去，因为涉及到伦理。
“很多医生也在做人工智能方面的研究。我的学生也经常看理工科学者发表的论文，他们有时候会拿着论文跑过来对我说，‘老师，你看！这篇论文连基本的医学常识都没有。是不是该给它加一个医学的reviewer呢？’如果真的这么做，很多论文其实根本发表不出来。论文成功发表并不代表取得了成果，只说明在你reviewer的知识范畴中这种方法是可行的，实际应用到临床当中，就会暴露很多问题。”