10年前CNN碾压前沿LLM诊断皮肤癌
推荐指数 71.0 NO. 007 · 2026.10.26
发布2026/10/25Score250Comments119
简介
皮肤科医生实测GPT-6 Astra和Claude Fable 5.1诊断黑色素瘤，两者均误判为良性疣；2015年的Inception v3 CNN经微调后准确率更高。这揭示了多模态LLM在专业视觉诊断任务上的幻觉风险，以及领域专用小模型的持久价值。
编辑判断
这个案例戳破了一个普遍错觉：参数规模和通用能力不等于专业任务表现。LLM处理医学图像时，训练数据里皮肤镜图片的分布稀疏，且缺乏像素级病理特征对齐，导致它用"语言直觉"猜诊断而非视觉推理。
做医疗AI落地的团队应该重新评估技术栈：视觉任务优先用专用CNN或混合架构，LLM只负责报告生成和患者沟通。已经在用GPT-4V做辅助诊断的创业公司，需要尽快补临床验证和召回率测试，监管审查已经在收紧。
社区反馈
意见分歧 108 条评论
核心争论：LLM是通用工具还是专用模型在特定任务上仍不可替代
And a calculator outperforms LLMs at multiplication and division...
Most people need to be reminded of this. Repeatedly.
And if you give the LLM a simple calculator MCP, then the calculator's outperformance disappears.