對計算機的訓練，不僅依賴足夠大的樣本量，也有賴于算法。孔德興教授透露，甲狀腺結節超聲影像的智能識別算法已申報四項國家發明。
不同于標準化數據（譬如CT、核磁等），超聲影像能夠在動態過程中捕捉病灶。從信息處理的方式來說，靜態處理方式只能看水平面上的相關性和信息，忽視了同樣有特點、特征的上下層信息。在這方面，孔德興教授的團隊彌補了這一缺陷。
“不同的醫生在超聲檢測中的移動速度和壓力都不一樣，如何處理非標準化數據是一個關鍵?，F在的算法大部分是針對靜態數據的，我們利用醫院靜態數據和病理數據開發了這套系統，并在浙大一院超聲醫學科和西湖區留下街道社區服務中心進行試點，效果非常好。靜態有4張圖，動態可能就有20張，信息更豐富，也更準確。"目前，關于動態影像的核心算法已經完成，正處于產品開發階段。
提及未來規劃，孔教授表示，未來一方面會著重研發線下版，即超聲機器人。“算法是機器人的大腦，現在已經做出來了，而且在用，病人躺著，連續掃描做個動態圖像，馬上可以出結果。未來將會持續訓練，做出一個擁有醫生經驗的超聲機器人。在疾病病種方面，不只局限于甲狀腺結節，還會有乳腺、頸動脈斑塊、肝癌等。"另一方面是線上版，即云服務平臺。線上版的診斷系統將會更多應用于基層醫院，造福更多患者。