实测：10年前的CNN诊断皮肤癌准确率超过GPT-6与Claude

皮肤科医生 Magnus Lynch 用 200 例活检确诊的皮肤病变测试 GPT-6 Astra 和 Claude Fable 5.1 诊断皮肤癌的能力，并以一个微调过的 2015 年 CNN（Inception v3）作对比，结果是 CNN 以 62% 对 42% 的正确诊断率胜出，两个 LLM 还把一例厚度不足 0.8 mm 的侵袭性黑色素瘤误判为脂溢性角化病并建议放行。 测试中 LLM 只拿到图像，被要求像临床使用那样给出六类诊断中最可能的判断（或"不确定"）、置信度、第二选择，以及病变是否可以安全放行不做治疗、活检或随访。每个病例只运行一次，而模型在不同运行间答案会有变化。 作者自己指出结果有局限：200 例足以显示规律，但不足以区分接近的成绩；其中 30 例黑色素瘤让最关键数字的不确定性较大。另外所用的 MILK10k 数据集自 2025 年起公开，LLM 可能在训练中见过——若有这种情况，反而对 LLM 有利。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。