Старая модель победила флагманов

Новое дерматологическое исследование под руководством доктора Магнуса Линча — консультирующего дерматолога в больнице Гая и почётного ридера Королевского колледжа Лондона — показало, что скромная сверточная нейронная сеть (CNN, convolutional neural network), опубликованная ещё в 2015 году, превзошла два передовых больших языковых модели (LLM) при диагностике рака кожи на биопсийно подтверждённых снимках. Результат оказался неожиданным даже для самого автора эксперимента.

⚠ Клинический контекст
Ошибочная диагностика меланомы — это не академическая погрешность. Пропущенная меланома толщиной менее 0,8 мм может стать смертельной, если её не удалить вовремя.

Как проводился тест

Оценка проводилась с использованием моделей, доступных в октябре 2026 года: GPT-6 Astra и Claude Fable 5.1 сравнивались с дообученной моделью Inception v3 на публичных дерматологических изображениях. Датасет включал 200 гистологически подтверждённых поражений кожи из набора MILK10k, выпущенного в 2025 году через Международное сотрудничество по визуализации кожи (ISIC).

Каждое поражение было сфотографировано дважды: клиническая макрофотография и дермоскопический снимок с увеличением и подсветкой. Моделям предлагалось выбрать из шести вариантов диагноза: меланома, базальноклеточная карцинома, плоскоклеточная карцинома, актинический кератоз, невус и себорейный кератоз.

Inception v3 была дообучена примерно за 20 минут на 68 011 дермоскопических и клинических снимках из архива ISIC с использованием одного GPU H100.

Цифры говорят сами за себя

CNN правильно назвала диагноз (из 6 вариантов) для 125 из 200 случаев — 62%. Два передовых LLM справились лишь с 84 и 85 случаями — 42%. Десятилетняя сеть, дообученная примерно за двадцать минут, обошла их обоих.

МодельТипТочность (top-1)Правильных меланом из 30
Inception v3 (CNN, 2015)Специализированная CNN62%13
GPT-6 AstraМультимодальный LLM42%8
Claude Fable 5.1Мультимодальный LLM42%11

Если учитывать второй по приоритету вариант ответа, CNN набрала 173 правильных случая из 200, тогда как LLM — 134 и 138 соответственно.


graph TD
    A[200 биопсийно подтверждённых поражений кожи] --> B[Inception v3 CNN]
    A --> C[GPT-6 Astra]
    A --> D[Claude Fable 5.1]
    B --> E[✅ 125/200 — 62%]
    C --> F[❌ 84/200 — 42%]
    D --> G[❌ 85/200 — 42%]
    E --> H[Победитель]

Показательный пример с меланомой на ухе

Среди тестовых случаев — инвазивная меланома на ухе толщиной менее 0,8 мм. Оба LLM приняли её за себорейный кератоз и «рекомендовали выписать» пациента. CNN правильно идентифицировала её как меланому.

«Десятилетняя сеть, дообученная примерно за двадцать минут, обошла оба флагманских LLM в распознавании рака кожи.» — Dr Magnus Lynch, lynchlab.net

Это не единственный провал. При проверке в режиме «пациент задаёт вопрос» оба LLM рекомендовали обратиться к врачу практически в каждом случае — 99 и 98 раз из 100 биопсийно подтверждённых меланом, демонстрируя крайнюю перестраховку вместо реальной помощи при сортировке.

ℹ Почему CNN выигрывает
CNN — это архитектура, специально спроектированная для анализа изображений. После целевого дообучения (fine-tuning) на десятках тысяч дермоскопических снимков она «видит» паттерны, характерные для кожных поражений, тогда как LLM обучены на общих текстах и данных и не оптимизированы под узкую визуальную задачу.

Что это значит для отрасли

Комментаторы в целом не удивились результату: узкоспециализированный дообученный классификатор должен обходить универсальные LLM в конкретной задаче медицинской визуализации, хотя ряд экспертов поставил под сомнение методологию исследования и его возможности для обобщения.

Тем не менее исследование поднимает важный вопрос о том, как применять ИИ в медицине. Не каждая задача требует самой мощной и дорогой модели. Специализированные небольшие модели способны превосходить передовые универсальные модели в узких визуальных задачах — и делать это значительно дешевле.

💡 Попробуйте сами
Автор предоставил публичный доступ к CNN по адресу lynchlab.net/skin-ai-inception. Модель достаточно компактна, чтобы работать прямо в браузере телефона через WebGPU — без загрузки данных на сервер.

Итог

Исследование д-ра Линча — это не призыв отказаться от LLM в медицине. Это напоминание: в высокоставочных задачах с чёткой визуальной спецификой (диагностика опухолей, патоморфология, рентгенология) специализированный инструмент с правильным дообучением по-прежнему бьёт универсального гиганта. Для разработчиков медицинских ИИ-решений это сигнал: прежде чем тянуться к GPT-последней-версии, стоит проверить, не справится ли задача дообученная классическая архитектура за двадцать минут на одной GPU.