林長指出，病理診斷是當代醫療相當重要的環節，一直以來，都是由臨床醫師取樣或切除病人的組織，做成病理切片，而後由病理醫師用顯微鏡判讀，做出病理診斷，如：良、惡性的判別、癌症的分類與分期及器官的發言成因或嚴重度，再由臨床醫師根據病人的病理診斷，提供適當的治療與處理。
導入人工智慧輔助病理影像的判斷，就成為林長病理部當前重要的進化：近年來隨著電腦演算力大幅提升，人工智慧（AI）影像辨識的類神經網絡深度學習，逐漸被應用在醫療影像的分析，林長就與雲象科技及諾華藥廠合作，用以辨識骨髓細胞的形態、特徵與空間分布情形，打造「血液病理AI輔助判讀應用」方案，輔助病理醫師精準且高效率的診斷「骨髓增生性腫瘤」，改善目前醫界在血液病理診斷耗時且判斷不易的現象。
此外，林長還將AI的數位病理辨識輔助診斷用於，在演算法協助下，快速找到有高機率為癌細胞的區域，再由病理醫生做確認是否為癌細胞；未來更計畫將計算腫瘤細胞比例、有絲分裂個術或某種免疫染色下腫瘤細胞的陽性比例，都先由AI做初步計算，在交由病理醫生做最後的判讀。讓AI成為病理醫師有用地輔助工具。
林長病理部在病理玻片全面數位影像化與導入人工智慧輔助病理診斷外，也建立智慧化的流程串聯與品質管理的系統：首先，病理部引進自動刻印系統取代人工書寫，消除過去因為檢體瓶、組織盒或玻片標示不清的錯誤；同時，導入條碼系統作為檢體辨識的基礎，建置檢體動態數位追蹤系統，整合數位玻片的管理，閱片系統與病理報告系統。
病理部更將協助在臨床工作上導入數位病理，實現過去一直希望同步化進行的遠距病理諮詢的理想，建立線上的複閱機制，引進精準的量測工具等。目前主要的成效包括：
1、出片流程near miss（幾近錯誤，但透過即時介入挽回原本可能發生的錯誤）由一年303件(2010年)減少至一年1-2件。
2、檢體手術病理檢體退件率自2014年至今退件率維持0%。
3、經由手術檢體送檢追蹤系統的建置，縮短檢體停留時間，使得手術結束至檢體收件完成整體時間由2011年平均132分鐘縮短為17.2分鐘。
4、評比資料與發表文獻質與量俱佳。
