李开复的《人工智能》一书中给出一个“五秒钟准则”：一项本来由人从事的工作，如果人可以在5秒钟以内对工作中需要思考和决策的问题作出相应的决定，那么，这项工作就有非常大的可能被人工智能技术全部或部分取代。
随着计算机视觉技术的发展以及人工智能在医学领域的深入使用，人工智能确实可以代替部分病理医生的工作，快速完成基于数据或图像的初步诊断。人工智能与影像结合能解决这些问题：一是医生没有时间做的事情或对专家来讲是浪费时间、但是对诊断十分必要的事情，比如取材时候做记录、影像筛查等；二是计算机更擅长做的事情，医生更擅长定性诊断，但计算机更适合定量诊断；三是解决技术经验不足、成像标准不统一的问题。对于病理科而言，计算机有助于成像更加标准。
国际病理学会中国区副主席，复旦大学基础医学院病理学系主任朱虹光教授说“一张切片，第一遍看时判断为恶性，到高倍镜下看局部变成了良性，但最终结论确是恶性的，因为医生判断不是基于细胞，而是生物细胞行为。病理科医生重点要看是低倍镜，因为低倍镜可以看全貌。”
因此，目前宁波察微生物科技有限公司做的项目更多关注的是“AI”负责把病灶找出来，最终定性是医生做的。算法在不同的尺度下都有相应的处理结果，他们不仅看局部区域，也看整体。前期处理的数据大部分围绕细胞，后期慢慢转移到整个区域的分析，包括组织区域的纹理变化、对病理科医生的工作产生的影响等。人工智能的主要作用是帮助病理科医生减少工作量，帮助医生先定位病灶区域。
1、硬性指标（如：具体参数等，可根据实际情况增减条目。）
A 制片标准化：保证制片全过程质量控制，包括脱水、包埋、切片、染色、封片过程的标准化。
B 病理切片辅助诊断：人工智能能够应用到病理切片诊断，起到辅助诊断，帮助病理医生减少工作量。“AI”负责把病灶找出来，帮助医生先定位病灶区域，最终定性由医生来做。
2、选择性指标（如：在可接受成本范围内的指标等，可根据实际情况增减条目。）
A 目前人工智能主要对良性/恶性，转移/未转移等加以判别，因为二分类的情境中，往往可以划分出明确的界限，而学习量和学习的素材较为简单。但是，实际上病理诊断是一项多分类的工作，进入多分类的流程后，分类彼此之间界限会更加隐晦，而疾病分类的复杂性使得机器学习的难度指数级的增加。如果项目进行顺利，可进一步增加肿瘤分类工作。
B 病理以形态学为基础，但不局限于形态学，而疾病分类不仅参考形态学参数更包括从免疫、遗传再到分子，还有临床参数，上述指标共同定义疾病。人工智能的无差别运用会导致形态-免疫-遗传-分子-临床与疾病诊断之间的暗箱黑盒，使得疾病分类的进步停滞。下一步的人工智能病理辅助诊断系统需要在繁杂的实践中开发和优化形态-免疫-遗传-分子-临床参数，定义及修正疾病的定义。