AI宝库

AI宝库首页 › AI 资讯 › 一个10岁的有线电视新闻网在皮肤癌诊断方面超越前沿LLMs

一个10岁的有线电视新闻网在皮肤癌诊断方面超越前沿LLMs

来源:Hacker News · 发布时间:10-26 · 由 AI宝库每小时自动聚合

文章 URL:https://lynchlab.net/llm-skin-cancer 评论 URL:https://news.ycombinator.com/item?id=50233779 要点:181#评论:102

一个10岁的有线电视新闻网在皮肤癌诊断方面超越前沿LLMs

我是皮肤科医生我测试了GPT-6 Astra和Claude 第5.1号线诊断皮肤癌的能力,发现其准确性比我预期的要差。 我和10年的CNN相比

这是一个黑色素瘤。

我向GPT-6 Astra和Claude Fable 5.1展示了这两张图像——一张临床相片和一张皮肤显微镜相片,这是2026年10月可用的两种最能用的AI模型。 称都是一种血清性煤酸酯,一种无害的发作,病人可以出院。 然后,我向他们展示了Inception v3的微调版本,这是一个由Google于2015年首次发布的革命神经网络(CNN),并在公共皮肤学图像上在这里进行了微调。 美国有线电视新闻网根据皮肤镜检查得出正确答案。

那是我给所有三个人的200个活检证明的损伤之一美国有线电视新闻网(CNN)为其中125人(62%)命名了正确的诊断(在6个人中). 两个边疆LLMs将其命名为84和85(42%). 一个10岁的网络,微调大约20分钟,在发现皮肤癌时击败了两人。

测试#

这些损伤来自MILK10k,该公共数据集发布通过2025年的国际皮肤成像协作机制,其中对每起损伤进行两次拍照:临床特写和皮肤外观图像取自光放大镜皮肤科的用法。 我随机抽取了200个损伤都由组织病理学证实:

- 100起不应出院:30起黑色素瘤、25起玄武细胞癌、25起结膜细胞癌(包括Bowen的疾病)和20起动膜癌。

- 安全出院的100个:50个良性乳房和50个乳房。

每一个损伤都被活化了,包括良性疾病,所以这些更难诊断:一个被别人决定切掉的内鬼是一个担心临床医生的内鬼。

LLMs既得到图像,又得不到其他任何图像,由于临床医生可能使用这些图像,因此要求最有可能的六种诊断(或“不确定”)中的一种信心,另一种选择,以及是否可以在没有治疗、活检或后续的情况下安全出院。 两种模型在默认设置时都得到了同样的快取,也没有拒绝一个案例。

CNN是故意的不是最新艺术。 我使用Inception v3在日常照片上进行预训,然后在68 011个皮肤和临床图像上对各层进行精细调整,这些图像来自国际标准行业分类档案中的H100 GPU。 这200个测试损伤,以及同一损伤或患者的所有其他相片,在训练前从数据(包括验证集)中取出,所以从未见过,也没有用来选择模型或设定其阈值。 它把每个损伤的相片都打入了分数,结合了皮肤相片上的大部分重量,从同样的六个诊断中选择。

你可以自己试试CNN 值得注意的是,该模型小到可以完全在使用WebGPU的手机浏览器中运行。 没有东西被上传,它的随机样本按钮从同样的200个损伤。

诊断:62%对42%#

美国有线电视新闻网更经常地说,允许第二种选择,200人中的173人,134人和138人。 它将30个黑色素瘤中的13个命名为8和11. 最大的空白在于无害损害上:它识别出50个摩尔人中的37个和50个seborrhoeic keratoses中的26个,GPT-6 Astra的16个和13个,Claude的33个和6个。 它在玄武细胞癌上是GPT-6 Astra的缩写,在作用性煤酸盐后是LLMs的缩写。

模型也以不同方式失败。 每个LLM有一个最受欢迎的答案:GPT-6 Astra在25岁时称为75个损伤性玄武细胞癌,包括30个黑色素瘤中的14个;Claude 第5.1号线在20岁时称为53个损伤性动性性癌。 CNN在黑色素瘤上的错误是相反的:在17个错误中

在一个表格中得出的结果#

洞穴#

- 数量少。 200个损伤足以显示模式,但不能对接近的结果进行排序,30个黑色素瘤对最重要的数字具有广泛的不确定性。 每个 LLM 案件运行一次;答案因运行而异。

- 难办的案子。 每一个损伤都被活化。 在档案的普通图像上,CNN区分了应该而且不应该排放的损伤(ROC曲线下的区域为0.96,这里为0.86)。

- 污染。 - 污染。 MILK10k从2025年开始公开,因此LLMs可以在训练中看到;如果有什么可以帮助他们的。 CNN当然没有。

- 没有最新进展 Inception v3是一个基线。 艺术状态皮肤癌诊断AI使用经过更多数据培训的图像变压器组合,其上所建的受管产品表现要好得多。

被问为病人#

LLMs建议在几乎每个病例中都看医生,无害的损伤包括:在另外100个经活检证明的黑色素瘤中,有99个和98个。

结论#

一个使用过时建筑的小型、老化的专门网络认识到皮肤损伤的程度远好于两个前沿的LLMs。

自己来

案件,提示,每个LLM的回复和评分代码都是一次下载,CNN在这里。

我设计了测试并做了临床诊断分析及初稿用Claude Code,Anthropic的编码工具出品,该工具运行于Claude模型上;所测试的两个LLMs中的一个也是Anthropic. 斯克林是用剧本来对付神学的。

相片取自MILK10k数据集(MILK研究团队,International Skin Imaging Coopery),在CC BY-NC许可下使用。

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(lynchlab.net)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 590 款 AI 工具分类导航 · 每日 AI 热门项目与动态