近年来，随着计算机技术的高速发展，CAD技术在一些医疗发达国家的相应领域取得了较快的发展，特别是在涉及医学影像学的领域。实践证明，CAD在提高诊断准确率、减少漏诊、提高工作效率等方面起到了极大的积极促进作用。
计算机辅助诊断在医学中的应用可追溯到20世纪50年代。
1959年，美国学者Ledley等首次将数学模型引入临床医学提出了计算机辅助诊断的数学模型，并诊断了一组肺癌病例，开创了计算机辅助诊断的先河；
1966年，Ledley首次提出计算机辅助诊断(computer-aided diagnosis, CAD)的概念。20世纪80年代初，计算机辅助诊断系统获得进一步发展，其中应用在中医领域的专家系统最为引人注目。计算机辅助诊断的过程包括病人一般资料和检查资料的搜集、医学信息的量化处理、统计学分析，直至最后得出诊断。当时较为流行的模型有Bayes定理、最大似然法模型、序贯模型等。
20世纪90年代以来，人工神经网络（artificial neural network，ANN）快速发展，它是模仿人大脑神经元工作原理的一种数学处理方法。由于它具有自学习能力、记忆能力、预测事件发展等能力，因此可以起到辅助诊断的作用，在分类、诊断方面，人工神经网络方法比传统的方法(概率统计法、数学模型等)有更优越的性能。可以说，人工神经元网络是代表当前最先进的人工智能技术之一。
CAD研究在20世纪60年代之后一度陷入低谷，究其原因，一方面，由于人们对于CAD期望过高，希望能够借助计算机实现自动诊断(automated diagnosis) ；另一方面CAD的研究发展仍然受限于相应的理论算法和原理分析的匮乏。这种内外皆有的双重困境直到八九十年代，由于计算机技术及各种数学、统计学的快速发展，才得以有了质的改善，在一些发达国家的医学影像学领域才获得较快发展，并取得了可喜的成就。目前，国外学者对于计算机辅助诊断在医学影像学中的含义基本达成共识，即：应用计算机辅助诊断系统时最终诊断结果仍是由医生决定的（并不是完全的由机器进行自动诊断），只是医生在判断时会参考计算机的输出结果，这样使得诊断结果更客观更准确。目前国外学者强调计算机的输出结果只是作为一种参考(second opinion)，这与最初六七十年代的计算机自动诊断的观念以及现在某些人对于CAD的理解是不同的。医学影像学中，计算机的输出结果是定量分析相关影像资料特点而获得的，其作用是帮助放射科医师提高诊断准确性以及对于图像、疾病解释的一致性（consistency)，另言之，计算机的输出结果只可以作为一种辅助手段，而不能完全由其进行相应的诊断。CAD之所以能够提高医生的诊断准确性，原因在于，在传统诊断方法中，放射科医生的诊断完全是主观判断过程因而会受到诊断医生经验及知识水平的限制和影响；其次，医生诊断时易于遗漏某些细微改变；再次，不同医师间及同一医师间的阅片差异的影响。而计算机客观的判断对于纠正这些错误和不足具有巨大的优势 。
