病理学家的基本工作中是根据组织切成片的专业评估，并将最后的确诊和直接证据转换为病理报告。对大部分病理学家来讲，它是一项用时的工作中，能够称作秘书性工作。秘书仿真模拟人工智能可智能化、半独立实行很多秘书每日任务，其輸出特性是迅速、一致和可持续改善。殊不知，数字化全玻片扫描显像融合人工智能技术性可否提升确诊的精确性和高效率呢？肿瘤细胞地区检验比赛（camelyon16）是根据深度神经网络优化算法检验乳癌病人的癌转移状况，在仿真模拟基本病理学工作内容时，深度神经网络优化算法可得到比病理学权威专家更强的确诊特性，另外其表述一整张切成片的特性也可匹敌病理学权威专家。全自动组织图象数据分析系统已在各种各样恶性肿瘤中获得普遍探寻，可用以肿瘤干细胞的检验、组织归类、初期检验、恶性肿瘤生物标志物得分等，这种研究表明在智能化全玻片的基本上，利用根据全自动组织图象数据分析系统的人工智能技术性帮助病理学家提升基本病理诊断品质具备优良的应用前景。
科学研究工作组训炼了根据PyTorch的卷积和神经元网络，从胃活组织定期检查摘除标本采集中检验直肠癌体细胞。最先创建数据，列入了200张直肠癌的数据全玻片，每一张获取10个典型性地区，尺寸为2 048×2 048清晰度，对典型性地区内的全部肿瘤干细胞开展精确标明。随后对数据玻片扫描图象开展预备处理，获取组织地区；利用互联网进行组织地区的归类，将要组织地区分成好几个给出尺寸的块并对这种块开展归类；最终对各一部分結果开展重合解决，获得部位相匹配的結果。为每一张玻片扫描图像转化成数据可视化的热学图，一整张玻片扫描图象处理時间为2~10 min。将H-E上色的原组织切成片根据人力标识出全部肿瘤干细胞，另外此外应用人工智能优化算法解决原组织切成片并转化成热学图，結果发现人工智能优化算法的检验精密度为97.73%。有科学研究利用全自动图象剖析检验得到的胃活组织查验标本采集的敏感度、特异度、阳性预测值和阴性预测值各自为89.5%、50.7%、47.7%和90.6%，显示信息了人工智能技术性在筛选胃镜检查样版中的运用发展潜力。尽管在病理诊断和肿瘤筛查中运用人工智能技术性有一定的局限，但根据智能化病理切片的人工智能确诊应用前景宽阔。
