本研究提出了一种结合视觉变换器与GPT-2的多模态模型，旨在提高病理图像分析中的细微病变特征理解。通过微调专门数据集，该方法显著提升了疾病分类、分割和检测的准确性，展示了数字技术在医学图像分析中的应用潜力。

该研究提出了一种轻量级的病理学FM，即PLUTO，它从多个WSI中抽取有意义的表示，支持多样化的病理学任务。通过多个基准测试，证明PLUTO相当于或优于现有的基线和基础模型。该研究为病理图像分析提供了通用嵌入的发展方向。