國內半導體大廠有見於世界趨勢，成功開發「高速數位全景玻片掃描系統」，具備數位全景玻片自動掃描與雲端瀏覽平台服務等二大功能，提供臨床快速掃描與高品質影像服務，帶動未來數位醫療與AI 辨識之發展。將傳統病理玻片判讀流程提升為自動描數位瀏覽，優化判讀效率，美國加州 clia 認證病理實驗室 Danner lab 已完成增設國產數位掃片機 (型號CELLSPOTDT300)，未來將配合市場需要，提供美國數位病理掃片服務。

The global digital pathology market 研究指出，數位病理影像市場2018年全球產值約48 億美元，2023 年預計將達到102 億美元，年複合成長率高達16.5%。亞太市場複合成長率21.8%，為全球市場之冠。因應AI醫學影像智慧辨識之未來趨勢，病理影像數位化如導入臨床醫院/病理中心，將大大協助及國內病理檢驗單位。

國內醫學中心長庚及高雄榮總病理部也陸續增設多款自動數位掃片系統設備。台灣細胞及病理診斷水準居世界之冠，以國內醫院目前每年約6~10萬片子宮頸抹片篩檢，細胞醫檢師及醫師以人工篩檢作業，單人單日看片數量經常超片（歐美台灣規定: 單人單日80 片是上限），除常規檢驗工作外加上行政事務，長期病理科細胞醫檢師及醫師工作負荷繁重，如何改善醫療人員工作及生活品質是當今迫切改善的問題。

國外廠商 (Hologic) 早已成熟開發自動辨識系統，輸入數位全景抹片可產出細胞特徵分類結果(準確度85%)，縮減醫檢師檢驗抹片時間。大大改善工作負荷及減少人為診斷誤差，其 cytopathology screening 於20年前既使用AI輔助判讀。

人口老化成為全球共同問題，慢性病和癌症病患逐年增長，多元數位AI輔助的快速準確診斷工具，對提高醫療品質是有需求的。以子宮頸癌為例，台灣婦女子宮頸癌防治有成，子宮頸抹片檢查也是世界公認最有效經濟方便篩檢出癌前病變的工具。目前國內醫師與醫檢師均以肉眼與手動顯微鏡篩檢，仍有少數人為的診斷誤差，然而許多歐美先進國家皆全面使用薄層抹片及AI協助判讀診斷，病理抹片使用AI輔助判讀可提供風險高的前20、前30病變細胞，未來使用AI與不用AI將看出顯著效率差異。

普生/Danner lab 協助國內子宮頸癌細胞診斷AI的建立，由於薄層抹片相較傳統抹片較為單層細胞沒有雜質黏液及發炎細胞，更適用於將全景抹片切割成電腦細胞影像，一例液基薄層抹片約可切成約2300 筆，將影像依Bethesda system (美國系統) 做細胞診斷分類，以作為自動化細胞辨識系統機器學習的影像參數來訓練電腦做深度學習。不久將來，Digital patology 可以減輕醫療人員的工作壓力，並且提高診斷正確率，達到雙贏效果。