一直以來，由于需要大量手動標注數據集，阻礙了病理學相關系統的開發及其在臨床實踐中的應用。于是，醫學界人士和工程師們希望能利用人工智能改善這一狀況。

為實現這一目標，美國紀念斯隆凱特琳癌癥中心科學家領導的研究團隊，此次構建了一個大規模數據集——包括來自逾1.5萬名前列腺癌、皮膚癌、乳腺癌患者的逾4.4萬例組織切片，并建立無需病理學家人工標注，就能識別腫瘤細胞的深度學習模型。

這種深度學習算法能幫病理學家排除最多75%的無用信息組織樣本，同時確保100%的敏感性。研究人員表示，該系統能夠以前所未有的規模訓練準確的分類模型，為臨床實踐中計算決策支持系統的部署奠定了基礎。與此同時，其未來也將會用于輔助癌癥中心的病理診斷，提高常規臨床實踐的效率。

近年來，人工智能在癌癥診斷領域取得了越來越多的突破，譬如圣地亞哥海軍醫學中心和谷歌AI的研究人員開發出的系統，就可以利用癌癥檢測算法來自主評估淋巴結活檢，從而對轉移性乳腺癌患者的診斷和治療進行更好的決策;而紐約大學醫學院研究團隊開發的機器學習程序，不僅能夠以97%的準確率確定患者的肺癌類型，還可以識別導致異常細胞生長的變異基因。