Пик развития CAD-систем пришелся на 1996—2013 годы, когда они начали активно применяться для обнаружения признаков туберкулеза на рентгенограммах. Системы стали обладать высокой точностью и специфичностью, чему способствовало дополнение алгоритмов новыми рентгенологическими признаками [74]. Особенно заметен был прогресс в разработке CAD для диагностики туберкулеза, где использование дополнительных клинических данных, таких как температура и другие симптомы, значительно повысило ее эффективность [75].
С развитием ИИ и машинного обучения CAD-системы перешли на новый уровень. Современные алгоритмы позволяют не только выявлять характерные признаки заболеваний, но и выполнять более сложные задачи по классификации и анализу патологий. Это привело к значительному улучшению качества диагностических исследований и уменьшению нагрузки на врачей-рентгенологов.
Применение в практике CAD-систем, которые могут идентифицировать только один рентгенологический признак патологии, не приносит значительной пользы, учитывая, что такие признаки, как полости распада, обычно несложно обнаружить. CAD прогрессировали, включив множество новых рентгенологических признаков. Например, S. Jaeger и коллеги разработали CAD-систему, используя различные характеристики туберкулеза, включая полости, инфильтрации и плевральные выпоты. Полученная система показала не очень высокий результат по площади под ROC-кривой – AUC (0,83) [73], однако позже исследователям удалось улучшить точность до AUC 0,87—0,90. Тем не менее эти показатели все еще были ниже, чем точность врачей-рентгенологов [75]. Но CAD стали широко использоваться за пределами лабораторий для диагностики туберкулеза в менее обеспеченных регионах. Примером такой системы является CAD4TB [76, 77]. Улучшение системы с помощью дополнительных клинических данных, таких как температура, потливость и кровохарканье, позволило повысить эффективность диагностики CAD4TB, достигнув AUC 0,84, чувствительности 0,95, при этом специфичность составила 0,49 [78].
В 2000-е годы активно развивались CAD-системы для анализа рентгеновских снимков органов грудной клетки в поисках легочных узлов. В них использовались различные методы обработки изображений [79]. Часто применялся метод создания разностных изображений, при котором из общего фона выделялись легочные узлы. Затем проводилась классификация узлов по группам на основе установленных пороговых значений [80]. Работа этих систем показала в то время значительные перспективы.