本公开涉及用于使用适应性学习框架来进行初始模型的高效开发以及对不同图像域的高效模型更新和/或适应的技术。为了实现初始模型的高效开发，可以进行如下两步开发策略：阶段1：模型预处置，其中人工智能系统利用现有的经注释数据集，并通过训练这些数据集来改善学习技能；以及阶段2：目标模型训练，其中人工智能系统利用从阶段1学习到的所述学习技能将自身延伸到不同图像域(目标域)，其中与常规学习方法相比，所述目标域中需要较少数目的注释。为了在初始模型开发之后高效地进行对新数据集的模型更新和适应，对数字病理学场景进行标识，基于所述场景来选择自适应学习方法，并使用所述自适应学习方法来更新所述模型并使其适应新数据集。