当前，影像组学与深度学习等成为热议话题，然而，在深度学习领域，存在一个不容忽视的问题：我们过分专注于算法本身。尽管算法的计算复杂度并不高，但这种过度关注却使我们忽略了其他同样重要的方面：
是否建立了一套完整的算法与临床相结合的评估体系？
算力投入越来越大，模型也变得越来越复杂，是否真的能带来临床的改变？
临床问题的复杂性与多样性，对医学研究课题规划与实验设计的要求越来越高，如何超出算法的范畴，建立与医生的良好互动与研讨，进而深入临床需求开展科研？
由此可见，我们不应仅仅满足于对影像组学或深度学习这一领域的知识掌握，而应该全面深入地理解从研究的开始到结束的整个流程。这意味着我们需要适度降低对中间技术环节的过度依赖，因为这些技术终究只是辅助工具，而不是研究的核心。如果我们不深入学习影像组学的前端和后端过程，实际上我们将与实际数据和研究论文脱节，无法真正理解和应用这些研究成果。因此，前端和后端这两个方面必须紧密结合，这正是构建交叉学科知识体系的关键所在。我们需要明确这一路径，才能在影像组学等领域取得真正的突破和进展。