一贯以来，由于须要大量手动标注数据集，阻碍了病理学干系系统的开拓及其在临床实践中的运用。
于是，医学界人士和工程师们希望能利用人工智能改进这一状况。

为实现这一目标，美国纪念斯隆凯特琳癌症中央科学家领导的研究团队，这次构建了一个大规模数据集——包括来自逾1.5万名前列腺癌、皮肤癌、乳腺癌患者的逾4.4万例组织切片，并建立无需病理学家人工标注，就能识别肿瘤细胞的深度学习模型。

这种深度学习算法能帮病理学家打消最多75%的无用信息组织样本，同时确保100%的敏感性。
研究职员表示，该系统能够以前所未有的规模演习准确的分类模型，为临床实践中计算决策支持系统的支配奠定了根本。
与此同时，其未来也将会用于赞助癌症中央的病理诊断，提高常规临床实践的效率。

近年来，人工智能在癌症诊断领域取得了越来越多的打破，譬如圣地亚哥海军医学中央和谷歌AI的研究职员开拓出的系统，就可以利用癌症检测算法来自主评估淋巴结活检，从而对转移性乳腺癌患者的诊断和治疗进行更好的决策；而纽约大学医学院研究团队开拓的机器学习程序，不仅能够以97%的准确率确定患者的肺癌类型，还可以识别导致非常细胞成长的变异基因。