數字病理的核心在於運用全玻片數字掃描技術，將眾多病理切片透過掃描變為數字化的影象，為實現整個病理診斷的數字化提供基礎；病理人工智慧模型的構建包括影象特徵提取、檢測分析等步驟。

首先透過人工特徵提取或自動特徵提取將影象特徵提取出來再構建相應的檢測分析演算法對細胞進行分類和分級，完成診斷任務。

在這次疫情中，人工智慧輔助診斷髮揮了強大作用。在病理醫生嚴重不足的情況下，人工智慧病理診斷系統大大提升了診斷效率。基於人工智慧的遠端診療也能夠實現患者居家診斷，減少了院內人群聚集，降低了感染風險。人工智慧被多個領域認為是能夠給行業帶來顛覆性發展的技術，在病理診斷方面也不例外。

目前病理人工智慧已用於乳腺癌、神經膠質瘤、前列腺癌、宮頸癌等疾病分析，應用範圍主要是細胞核特徵的檢測和分割、疾病良惡性診斷、疾病分級、染色分析以及早期篩查。

人工智慧在乳腺癌篩查等方面的研究已取得一定成就。

2016年在PathSoc大會上病理人工智慧系統與病理學家開展比賽。其中病理人工智慧組綜合評分最高為232.5分，而表現最好的病理學家為230.5分，結果不相上下；2017年在中國病理年會的病理影象診斷人機挑戰賽上，羅氏診斷、四川大學華西醫院病理研究室、成都知識視覺科技有限公司合作的輔助診斷乳腺癌的人工智慧系統作為參賽選手之一，與10位資深病理醫師同場競技，人工智慧以0.1分之差僅次於第1名。

病理人工智慧在前列腺病理癌診斷的良惡性分析上有較大潛力，目前已出現了超過三種的人工智慧診斷方案。

其中美國科學家Kwak和Hewitt提出了快速診斷前列腺癌的多檢視提升分類方法，基於強度和紋理的特徵進行分割，實現良性和癌症的區分；Litjens等則提出了對活檢標本中前列腺癌的檢測應用卷積神經網路，試驗結果表明卷積神經網路可用於快速分析大型臨床試驗資料庫以提取相關病例，或自動註釋疾病區域以允許快速定量。

人工智慧對於宮頸癌的應用較早的是對於癌細胞的辨認和分割。

中國羽醫甘藍DeepCare公司研發的宮頸細胞塗片智慧輔助篩查系統能夠在1 min內自動對數字化的宮頸細胞塗片進行分析，檢測切片中存在的可疑病變細胞，併為醫師標出可疑細胞的具體位置及亞型。