皮肤科医生实测：十年前CNN皮肤癌诊断胜过前沿LLM

皮肤科医生 Magnus Lynch 用 200 例活检确诊的皮肤病灶对比测试：GPT-6 Astra 与 Claude Fable 5.1 的首选诊断正确率均为 42%，而 2015 年发布的 Inception v3 经约 20 分钟微调后达到 62%。 测试中，两个 LLM 只拿到病灶图像，被要求给出六种诊断中最可能的一项（或“不确定”）、置信度、次选诊断，以及该病灶能否安全地不治疗、不活检、不随访直接放行；两者使用相同提示词和默认设置，均未拒答。每个 LLM 病例只运行一次，Lynch 称答案在不同运行间会有波动。 所用数据集 MILK10k 自 2025 年起公开，Lynch 称 LLM 可能在训练中见过它，若如此反而对 LLM 有利。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。