十年前的卷积网络皮肤癌诊断准确率超前沿大模型

英国伦敦盖伊医院皮肤科顾问医生、伦敦国王学院荣誉读者马格努斯·林奇于2026年10月发布一项AI皮肤癌诊断对比研究。研究以国际皮肤影像协作组2025年公开的MILK10k数据集为基础，随机抽取200例经病理活检确认的皮肤病变，每例包含临床照片和皮肤镜图像，要求从六类诊断中给出首选、第二选择、置信度以及是否无需进一步处理。林奇将Anthropic的Claude Fable 5.1、GPT-6 Astra，与基于谷歌2015年发布、仅微调约20分钟的Inception v3小型卷积神经网络进行对照。结果显示，该CNN在200例中首诊正确125例，准确率达62%；两个前沿大模型分别为84例和85例，均约42%。在30例黑色素瘤中，CNN识别13例，优于8例和11例；若允许第二选择，CNN正确173例，高于134例和138例。模型错误方向也不同，GPT-6 Astra过度判断为基底细胞癌，Claude Fable 5.1过度判断为日光性角化病。研究提示，通用多模态大模型虽通用能力强，但在专业医学影像识别中仍可能不如经过垂直数据训练、体量更小的传统架构，这对医疗AI选型和临床部署具有警示意义。