为解决三维病理数据评估效率低的问题，研究人员开发了 TRICARE（Triage with Context-Aware Prediction for 3D pathology），一种面向三维病理数据的深度学习分诊框架。该框架利用快速、可逆的组织染色和透明化方法处理福尔马林固定石蜡包埋组织，并采用开放式光片显微镜进行非破坏性三维成像，获得具有类 H & E 外观的三维病理数据。总体而言，TRICARE 展示了一条较为现实的三维病理临床转化路径：不是要求病理学家阅读更多图像，也不是直接将诊断权交给 AI，而是利用深度学习从完整三维组织中主动寻找最具有诊断价值的截面。