尽管计算机辅助诊断（CAD）快速增长，但全滑动病理诊断的应用仍然不太符合现实情况。研究人员们在《自然》杂志上提出了一种新的由人工智能驱动的病理学全滑动诊断方法，以提供可解释的相关诊断。该方法将人类诊断推理过程自动化，并将 gigapixels 直接解读为一系列可解释的预测以提供第二意见，从而鼓励临床达成共识。研究人员通过使用收集到的913例膀胱癌患者代表全片数据实例，研究人员所提出的研究方法匹配了 17 名病理学家在尿路上的皮癌诊断。 研究人员坚信该方法以一种创新且可靠的方法提供了临床诊断建议，并且可以作为下一代人工智能增强 CAD 技术用于诊断病理学低成本部署。