Výzkumná skupina RationAI vyvíjí nástroj ML Kit k výzkumu v oblasti strojového učení (ML) v digitální patologii. Nástroji však chybí schopnost číst mnoho různých WSI (Whole Slide Imaging) formátů, přistupovat k datům jednotně, nezávisle na jejich pozici v souborovém systému, a hlavně vynucení autorizovaného přístupu k trénovacím datům. I když tyto problémy řeší použití referenční implementace WSI standardu Empaia, tento standard, ani jeho referenční implementace, není primárně navržen pro výzkum.Student v této práci popíše API rozhraní Empaia verze 3, se zaměřením na omezení pro použití ve výzkumu. Student dále popíše jakým způsobem současná verze ML Kit přistupuje k digitálním skenům. Následně student rozšíří ML Kit o podporu práce s daty z Empaia API se zachováním původních schopností nástroje, a to zejména generování metadat o skenech pro budoucí použití v trénování (tabulková data o pozici tkáně ve snímku a anotovaných regionech), a přístup k rastrovým datům skenů v procesu učení. Nakonec student otestuje a porovná rychlost přístupu k trénovacím datům přes Emapia API s původní implementací, která pracuje přímo se souborovým systémem.