研究與評測
皮膚科醫師實測:微調 Inception v3 皮膚癌判讀準確率達 62%,超越 GPT-6 Astra 與 Claude Fable 5.1
Hacker News單一來源
尚未逐項核實
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
一名皮膚科醫師公布個人實測指出,在 200 例經切片病理證實的皮膚病灶診斷測試中,十年前推出的 Inception v3 卷積神經網路(CNN)微調版準確率達 62%,顯著高於兩款前沿多模態大模型 GPT-6 Astra(42%)與 Claude Fable 5.1(42%)。測試樣本取自國際皮膚影像合作組織(ISIC)於 2025 年發布的 MILK10k 公開資料集,每例皆提供臨床特寫與皮膚鏡(dermoscopy)影像各一張。樣本包含 100 例須進一步處理的病灶(30 例黑色素瘤、25 例基底細胞癌、25 例鱗狀細胞癌、20 例日光性角化病)以及 100 例可安全排除的良性病灶(50 例良性痣、50 例脂漏性角化病)。
測試使用的 Inception v3 架構源自 Google 2015 年論文,僅在單張 NVIDIA H100 GPU 上使用 ISIC 資料庫的 68,011 張影像全層微調約 20 分鐘,測試集已事前剔除。該模型推論權重偏向皮膚鏡影像,且體積精簡,可透過 WebGPU 在手機瀏覽器端離線運行。
在 6 種可能診斷中,Inception v3 正確判讀 125 例(62%),若計入第二順位診斷則達 173 例;GPT-6 Astra 正確判斷 84 例(42%,含次選 134 例),Claude Fable 5.1 正確判斷 85 例(42%,含次選 138 例)。針對致命性最高的 30 例黑色素瘤,CNN 首選正確命中 13 例,Claude Fable 5.1 命中 11 例,GPT-6 Astra 命中 8 例。兩款 LLM 呈現明顯的特定偏好偏差:GPT-6 Astra 將 75 例判定為基底細胞癌(實際僅 25 例),誤判了其中 14 例黑色素瘤;Claude Fable 5.1 則將 53 例判定為日光性角化病(實際僅 20 例)。
在安全排除門檻上,兩款 LLM 雖然攔截了絕大多數危險病灶(分別留置 97 與 96 例),但也過度保留良性病灶,安全排除率僅 32% 與 22%。若改以患者視角單獨輸入臨床照片並詢問「是否需要看醫生」,兩款 LLM 在幾乎所有病灶(包含良性)均一律建議就醫。
作者指出該測試具備局限性:樣本僅 200 例且黑色素瘤數量有限、LLM 僅執行單次推論,且全數樣本均為曾被臨床醫師認定有疑慮而施作切片的困難案例。
讀原始報導背景
Inception 系列是 Google 於 2014 年起發展的電腦視覺卷積神經網路(CNN)架構,其開創將網路架構拆分為 stem、body 與 head 的設計概念,對現代 CNN 影響深遠。其中 Inception v3 於 2016 年推出,主要藉由分解卷積(factorized convolutions)將大尺寸卷積核拆分為堆疊的小卷積核,在降低參數量的同時維持特徵提取能力。
社群討論
社群普遍對此結果不感意外,批評拿在單張 H100 上以 68,011 張皮膚科圖像微調、僅鎖定約 11 種標籤的專用 Inception v3 與通用 LLM 比較並不公平,純屬特化數據集(benchmaxxing)的必然表現。不過有網友反駁指出,專門微調的 SkinGPT-4 在 150 個案例中取得 80.63% 的診斷準確率,已超越該 CNN。多數討論認為窄領域分類任務本就應交給專門架構或 XGBoost,LLM 的價值則在於整合病歷筆記、互動問診等綜合診斷與推理解釋。