Este artículo se centra en el avance de las tecnologías digitales para mejorar la salud, la cognición y la percepción humanas en el campo de la patología computacional. Presentamos un método novedoso para optimizar el análisis de imágenes histopatológicas mediante un modelo multimodal que combina Vision Transformer (ViT) y GPT-2. El modelo se optimiza con un conjunto de datos ARCH especializado que contiene descripciones de imágenes densas derivadas de fuentes clínicas y académicas para capturar la complejidad de las imágenes patológicas, incluyendo la morfología tisular, las variaciones de tinción y las condiciones patológicas. Genera descripciones precisas y contextualizadas para mejorar la capacidad cognitiva de los profesionales médicos, permitiendo una clasificación, segmentación y detección de enfermedades más eficientes. También mejora la precisión diagnóstica al detectar características patológicas sutiles. Este método demuestra el potencial de las tecnologías digitales para mejorar la cognición humana en el análisis de imágenes médicas y supone un avance hacia resultados médicos más personalizados y precisos.
