皮肤癌AI诊断的对比结果
这项皮肤癌AI诊断测试比较了GPT-6 Astra、Claude Fable 5.1和一款微调后的Inception v3卷积神经网络。研究者从MILK10k公开数据集中随机抽取200个经组织病理学确认的皮损，要求三种系统从六类诊断中选择最可能的一项，并判断是否可以安全离院、活检或随访。
CNN首次诊断答对125例，即62%；两款大模型分别答对84例和85例，均为42%。允许给出第二选择后，CNN覆盖173例，两个大模型分别为134例和138例。CNN在识别黑色素瘤和良性皮损方面总体更强，但并非每一类都领先。
专业模型为何仍有优势
这款CNN使用公开皮肤科图像进行微调，重点结合临床照片与皮肤镜图像；测试样本及同一患者的其他图像在训练前被排除。它的架构始于2015年，训练约二十分钟，却能在手机浏览器中运行，说明针对明确视觉任务的专用模型可能比通用语言模型更合适。
皮肤癌AI诊断的关键限制
结论不能直接推广到临床。样本只有200个皮损，其中黑色素瘤仅30例；每个大模型案例也只运行一次，输出可能随运行变化。更重要的是，CNN在预设阈值下漏掉了30例黑色素瘤中的18例，尽管它总体更准确。研究者还指出，这只是基线架构，先进的皮肤癌系统使用更大数据集、图像变换器或集成模型。把大模型当作患者咨询时，它们几乎总是建议就医，这种谨慎也不能等同于准确诊断。最终，结果更适合说明模型选择和评测设计的重要性，而不是证明老模型可以替代皮肤科医生。