یک CNN 10 ساله از LLM های مرزی برای تشخیص سرطان پوست بهتر عمل می کند

من این دو تصویر - یک عکس بالینی و یک تصویر درموسکوپی (میکروسکوپ پوست) - را به GPT-6 Astra و Claude Fable 5.1، دو تا از توانمندترین مدل‌های هوش مصنوعی موجود در اکتبر 2026 نشان دادم. هر دو گفتند که این یک کراتوز سبورئیک، یک رشد زگیل بی‌ضرر است، و بیمار می‌تواند مرخص شود. سپس آنها را به نسخه دقیق Inception v3 نشان دادم، یک شبکه عصبی کانولوشنال (CNN) که برای اولین بار توسط گوگل در سال 2015 منتشر شد و در اینجا بر روی تصاویر عمومی پوست تنظیم شد. CNN بر اساس نمای درموسکوپی پاسخ درست را دریافت کرد.

این یکی از 200 ضایعه اثبات شده با بیوپسی بود که من به هر سه دادم. سی ان ان تشخیص درست (از 6 احتمال) را برای 125 نفر از آنها (62 درصد) نامگذاری کرد. دو LLM مرزی آن را برای 84 و 85 (42٪) نامگذاری کردند. یک شبکه ده ساله که حدود بیست دقیقه به خوبی تنظیم شد، هر دوی آنها را در تشخیص سرطان پوست شکست داد.

این ضایعات از MILK10k، یک مجموعه داده عمومی منتشر شده از طریق همکاری بین‌المللی تصویربرداری پوست در سال 2025، که در آن از هر ضایعه دو بار عکس‌برداری می‌شود: یک نمای نزدیک بالینی و یک تصویر درموسکوپی که از طریق عدسی‌های بزرگ‌نمایی نورانی گرفته شده است. من 200 ضایعه را به طور تصادفی ترسیم کردم که همه آنها توسط هیستوپاتولوژی تایید شده بودند:

هر ضایعه، از جمله ضایعات خوش خیم، بیوپسی شد، بنابراین تشخیص آنها سخت تر است: خالی که شخصی تصمیم به بریدن آن گرفت، خالی است که پزشک را نگران می کند.

کارسینوم سلول بازال در تنه یک مرد 75 ساله. هر سه مدل به درستی پاسخ دادند.

ملانوم تهاجمی با ضخامت کمتر از 0.8 میلی متر، با رنگدانه بسیار کم. GPT-6 Astra آن را یک کارسینوم سلول بازال با اطمینان 95 درصد نامید. Claude Fable 5.1 و CNN آن را ملانوم نامیدند.

کراتوز سبورئیک روی ساق پا. هر دو LLM آن را کراتوز اکتینیک و CNN کارسینوم سلول سنگفرشی نامیدند: هر سه اشتباه بودند، اگرچه هر سه آن را به جای تخلیه آن حفظ می کردند.

به LLM ها هر دو تصویر داده شد و هیچ چیز دیگری، و همانطور که یک پزشک ممکن است از آنها استفاده کند، از آنها خواسته شد که به احتمال زیاد از بین شش تشخیص (یا "نامطمئن")، اطمینان، انتخاب دوم، و اینکه آیا ضایعه می تواند بدون درمان، بیوپسی یا پیگیری ایمن ترخیص شود یا خیر. هر دو مدل در تنظیمات پیش‌فرض درخواست یکسانی دریافت کردند و هیچ‌کدام از یک کیس رد نکردند.

CNN عمدا پیشرفته نیست. من از Inception v3 که از قبل بر روی عکس‌های روزمره آموزش داده شده بود استفاده کردم و سپس تمام لایه‌ها را روی 68011 تصویر پوستی و بالینی از بایگانی ISIC بر روی یک واحد گرافیکی H100 تنظیم کردم. این 200 ضایعه آزمایشی و هر عکس دیگری از همان ضایعه یا بیمار، قبل از آموزش از داده‌های آن (از جمله مجموعه اعتبارسنجی) حذف شد، بنابراین هرگز آنها را ندیده بود و برای انتخاب مدل یا تعیین آستانه آن استفاده نشد.

هر دو تصویر از هر ضایعه را نمره گذاری کرد، آنها را با بیشتر وزن روی تصویر درموسکوپی ترکیب کرد و از بین همان شش تشخیص انتخاب کرد.

شما می توانید CNN را خودتان امتحان کنید. قابل توجه است که این مدل به اندازه کافی کوچک است که به طور کامل در یک مرورگر تلفن با استفاده از WebGPU اجرا شود. هیچ چیزی آپلود نمی شود و دکمه نمونه تصادفی آن از همین 200 ضایعه استخراج می شود.

سی ان ان بیشتر اوقات در کل و در اکثر تشخیص ها درست می گفت. با اجازه انتخاب دوم، به 173 از 200 در برابر 134 و 138 رسید. 13 مورد از 30 ملانوم را در مقابل 8 و 11 نام برد. بزرگترین شکاف در ضایعات بی ضرر بود: 37 خال از 50 خال و 26 مورد از 50 سبورئیک را برای کراتوزهای A16 و 3 و 3 و 3 A و 3 و 3 در مقابل کراتوزهای A16 و 3 و 3، شناسایی کرد. 6 برای Claude Fable 5.1. این یک کمبود GPT-6 Astra در کارسینوم سلول بازال و پشت هر دو LLM در کراتوز اکتینیک بود.

مدل ها نیز به طور متفاوتی شکست خوردند. هر LLM یک پاسخ مورد علاقه داشت: GPT-6 Astra 75 ضایعه را زمانی که 25 مورد بودند، کارسینوم سلول بازال نامید، از جمله 14 مورد از 30 ملانوم، و Claude Fable 5.1 53 ضایعه را کراتوز اکتینیک در 20 سالگی نامید. اشتباهات سی ان ان در مورد ملانوما به سمت دیگری رفت: از 17 مورد اشتباه، 8 مورد را نایووس و 6 مورد را کراتوز سبورئیک نامید.

در عوض به عنوان یک بیمار، با عکس بالینی و سوال «آیا باید به پزشک مراجعه کنم؟»، هر دو LLM توصیه کردند که تقریبا در هر موردی به پزشک مراجعه کنند، ضایعات بی ضرر شامل: برای 99 و 98 مورد از 100 ملانوم دیگر که با بیوپسی اثبات شده است.

یک شبکه کوچک، قدیمی و تخصصی با استفاده از معماری قدیمی، ضایعات پوستی را به مراتب بهتر از دو LLM مرزی تشخیص می دهد.

موارد، درخواست‌ها، هر پاسخ LLM و کد امتیازدهی در یک بارگیری هستند و CNN اینجاست.

من آزمایش را طراحی کردم و احکام بالینی را صادر کردم. تجزیه و تحلیل و اولین پیش نویس ها با Claude Code، ابزار کدگذاری Anthropic، که بر روی مدل کلود اجرا می شود، تولید شد. یکی از دو LLM آزمایش شده نیز آنتروپیک است. امتیازدهی با اسکریپت در مقابل بافت شناسی انجام شد.

تصاویر از مجموعه داده MILK10k (تیم مطالعه MILK، همکاری بین‌المللی تصویربرداری پوست)، که تحت مجوز CC BY-NC استفاده می‌شود.

دکتر مگنوس لینچ مشاور پوست و جراح موهس در بیمارستان گای و خواننده افتخاری (معادل دانشیار) در کینگز کالج لندن است. کار بالینی او سرطان پوست، موهس و جراحی ترمیمی صورت، و لیزر را پوشش می دهد. تحقیقات او زیست‌شناسی سلولی سرطان‌های پوست و اسکارها و استفاده از هوش مصنوعی در پوست را پوشش می‌دهد. مشخصات کامل.