Anwendungen von Deep Learning und anderen Verfahren der künstlichen Intelligenz spielen eine zunehmende Rolle in der Pathologieforschung. Im Gegensatz zur Forschung sind Anwendungen in der klinischen Routine bisher selten, obwohl es bereits erste zertifizierte Lösungen (Analyse von Prostatagewebe oder ER, PR, Her2 bei Brustkrebs) gibt. Neben der noch geringen Nutzung der virtuellen Mikroskopie in der Praxis gibt es eine Reihe von Hürden, die einer schnellen Verbreitung von KI-Anwendungen im Weg steht. Das EMPAIA-Projekt hat sich zum Ziel gesetzt, diese Hürden zu beseitigen. Der dafür eingeschlagene Weg des Aufbaus eines Ökosystems soll beispielhaft zeigen, dass die Einführung von KI-Anwendungen in der bildbasierten Diagnostik auf breiter Grundlage möglich ist, wenn die bestehenden Hürden in einem gemeinsamen, moderierten Prozess beseitigt werden. Die Komponenten des EMPAIA-Ökosystems und seine Strategie werden beschrieben und auf die technischen Lösungsansätze wird verwiesen.
