La visión por computadora y la inteligencia artificial han revolucionado el campo del análisis de imágenes patológicas, permitiendo una clasificación diagnóstica más rápida y precisa. Las arquitecturas de aprendizaje profundo como las redes neuronales convolucionales (CNN) han demostrado un rendimiento superior en tareas como la clasificación de imágenes, segmentación y detección de objetos en patología. La visión por computadora ha mejorado significativamente la precisión del diagnóstico de enfermedades en el sector de la salud. Al aprovechar algoritmos avanzados y técnicas de aprendizaje automático, los sistemas de visión por computadora pueden analizar imágenes médicas con alta precisión, a menudo igualando o incluso superando el rendimiento de expertos humanos. En patología, los modelos de aprendizaje profundo han sido entrenados en grandes conjuntos de datos de imágenes patológicas anotadas para realizar tareas como el diagnóstico de cáncer, la clasificación y la pronosticación. Si bien los enfoques de aprendizaje profundo muestran un gran potencial en la clasificación diagnóstica, aún existen desafíos, incluidos problemas relacionados con la interpretabilidad del modelo, la confiabilidad y la generalización en diversas poblaciones de pacientes y entornos de imagenología.