یک CNN دهساله در تشخیص سرطان پوست GPT-6 و Claude را شکست داد
یک متخصص پوست ۲۰۰ ضایعهی بیوپسیشده را به GPT-6 Astra، Claude Fable 5.1 و یک Inception v3 قدیمی داد؛ CNN با ۶۲٪ در برابر ۴۲٪ برد. خلاصه و نظر من.
26 Oct 2026 · 3 min read · هوش مصنوعی · LLM · یادگیری عمیق · CNN · هوش مصنوعی در پزشکی · سرطان پوست

یک متخصص پوست انگلیسی، دکتر Magnus Lynch از بیمارستان Guy's و King's College London، یک آزمایش ساده ولی تلخ انجام داد: ۲۰۰ ضایعهی پوستی را که همه با بیوپسی تأیید شده بودند، به دو مدل مرزی یعنی GPT-6 Astra و Claude Fable 5.1 نشان داد و بعد همانها را به یک شبکهی عصبی کانولوشنی (CNN) دهساله داد. نتیجه؟ CNN قدیمی با اختلاف برد.

آزمایش چه بود؟
ضایعهها از دیتاست عمومی MILK10k (از ISIC) آمدهاند که برای هر ضایعه دو عکس دارد: یک عکس کلینیکی و یک عکس درموسکوپی. ۱۰۰ مورد خطرناک (ملانوما، BCC، SCC و اکتینیک کراتوز) و ۱۰۰ مورد بیخطر (خال و سبورئیک کراتوز). از مدلها خواسته شد از بین ۶ تشخیص، محتملترین را بگویند و بگویند بیمار را میشود مرخص کرد یا نه.
طرف مقابل، Inception v3 بود؛ معماریای که گوگل سال ۲۰۱۵ منتشر کرد. Lynch آن را روی حدود ۶۸ هزار عکس از آرشیو ISIC و روی یک GPU H100 فاینتیون کرد، و همهی ۲۰۰ ضایعهی تست را از دادهی آموزش بیرون گذاشت.
نتیجه: ۶۲ درصد در برابر ۴۲ درصد
- تشخیص درست (از ۲۰۰): CNN ۱۲۵ (۶۲٪)، GPT-6 Astra ۸۴ و Claude Fable 5.1 ۸۵ (هر دو حدود ۴۲٪).
- با احتساب انتخاب دوم: CNN ۱۷۳، در برابر ۱۳۴ و ۱۳۸.
- ملانوما (از ۳۰): CNN ۱۳، GPT ۸ و Claude ۱۱.
- بزرگترین فاصله روی ضایعههای بیخطر: CNN ۳۷ خال از ۵۰ را شناخت؛ GPT فقط ۱۶. روی سبورئیک کراتوز، Claude فقط ۶ از ۵۰ را درست گفت.
جالبتر اینکه هر LLM یک «جواب محبوب» داشت: GPT-6 Astra به ۷۵ ضایعه گفت BCC در حالی که فقط ۲۵ تا BCC بودند (از جمله ۱۴ ملانوما!) و Claude به ۵۳ مورد گفت اکتینیک کراتوز در حالی که فقط ۲۰ تا بودند.


چند هشدار مهم
خود نویسنده صادق است: ۲۰۰ نمونه و ۳۰ ملانوما برای رتبهبندی دقیق کم است، هر کیس فقط یک بار به LLMها داده شده، و همهی ضایعهها بیوپسی شده بودند پس سختتر از حالت عادیاند. Inception v3 هم اصلاً state of the art نیست؛ محصولات تجاری و رگولهشدهی امروز خیلی بهترند. وقتی هم که مدلها نقش «بیمار» را بازی کردند و فقط پرسیدند «باید پیش دکتر بروم؟»، تقریباً همیشه گفتند بله، که امن ولی بیفایده است. کیسها، پرامپتها و کد امتیازدهی هم منتشر شده و نسخهی CNN را میشود مستقیم در مرورگر موبایل با WebGPU اجرا کرد.

نظر من
این دقیقاً همان چیزی است که خیلیها در هیاهوی LLMها فراموش میکنند: مدل عمومی، هر چقدر هم بزرگ، جای مدل تخصصی را نمیگیرد. یک CNN کوچک که بیست دقیقه روی دادهی درست آموزش دیده، از غولهایی که میلیاردها دلار خرجشان شده بهتر ملانوما را میشناسد. درسش برای ما برنامهنویسها هم روشن است: برای هر مسئلهای اول نپرسید «کدام LLM؟»، بپرسید «دادهی درست و مدل مناسب این کار چیست؟». و از همه مهمتر، اگر خالی روی پوستتان نگرانتان کرده، عکسش را به چتبات ندهید؛ بروید پیش متخصص پوست.
منبع: Lynch Lab - A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis
Comments +
00No comments yet — be the first. هنوز نظری ثبت نشده؛ اولین نفر باش.