AI·THE EXPLAINERニュースを理解する
Dermatologist finds old CNN beats GPT-6, Claude on skin cancer旧型CNN、皮膚がん診断でGPT-6等上回る
A dermatologist's informal single-run test found a 10-year-old fine-tuned CNN diagnosed skin lesions more accurately (62%) than GPT-6 Astra and Claude Fable 5.1 (42% each) on 200 biopsied cases.ある皮膚科医の非公式テストで、10年前のCNNが200件の生検確定病変に対しGPT-6 AstraとClaude Fable 5.1（各42%）を上回る62%の正診率を示した。
THE SOURCE TRAIL情報の根拠
Based on linked publications. No first-party document or classified news organization is linked in this record.掲載元の記事をもとにしています。この記録には当事者・公的資料や、分類済みの報道機関へのリンクがありません。
Claims checked against source text主張と原典の照合記録（英語）
An automated review linked these claims to supplied source text. This is not a human fact-check or independent verification of the source.自動点検が、記事の主張と入力した原典本文を対応づけた記録です。人による事実確認や、原典自体の正しさを独立して検証した結果ではありません。
A fine-tuned 10-year-old Inception v3 CNN correctly diagnosed 62% of 200 biopsy-proven skin lesions vs 42% each for GPT-6 Astra and Claude Fable 5.1
lynchlab.net ↗At the CNN's preset threshold it discharged 18 of 30 melanomas as safe, versus 3 and 4 of 30 for the two LLMs; matching the LLMs' safety rate required adjusting the CNN's threshold
lynchlab.net ↗This was a single dermatologist's informal, non-peer-reviewed test with each LLM run once, and the author notes run-to-run variability and wide uncertainty given only 30 melanoma cases
lynchlab.net ↗
Reviewed: 照合日時：
What happened何が起きたか
Dermatologist Dr Magnus Lynch tested GPT-6 Astra and Claude Fable 5.1 against a fine-tuned Inception v3 CNN (first published 2015) on 200 biopsy-proven skin lesions from the MILK10k dataset. The CNN named the correct diagnosis 62% of the time versus 42% for each LLM, and also recognised harmless lesions far better. However, at the CNN's own preset threshold it discharged 18 of 30 melanomas as safe, far more than the LLMs (3 and 4 of 30); the CNN only matched the LLMs' safety level (keeping 98-99 of 100 unsafe lesions) when its threshold was specifically adjusted to match theirs.皮膚科医Dr Magnus Lynch氏が、GPT-6 AstraとClaude Fable 5.1を、2015年公開のInception v3を基にしたCNN（ファインチューニング版）と、MILK10kデータセットの生検確定済み病変200件で比較した。CNNの正診率は62%で、各LLMの42%を上回り、良性病変の識別でも大きく優れていた。ただしCNN自身のデフォルトの閾値では、メラノーマ30件中18件を「安全に退院可」と誤判定しており、LLM（それぞれ30件中3件、4件）よりはるかに多かった。CNNが危険病変100件中98〜99件を保持できたのは、閾値をLLMに合わせて調整した場合のみだった。
Why it matters何が変わるのか
The result implies caution about relying on frontier LLMs for visual cancer triage, since both models frequently misclassified melanomas and harmless lesions. But this is a single dermatologist's informal, non-peer-reviewed test on one dataset, each LLM case was run only once, and the author notes answers vary between runs and that 30 melanomas give wide statistical uncertainty.この結果は、視覚的ながん診断でフロンティアLLMに頼ることへの注意を示唆する。両モデルともメラノーマや良性病変の誤分類が多かったためだ。ただしこれは一人の皮膚科医による非公式・未査読の単発テストであり、各LLMのケースは1回のみ実行され、著者自身も実行ごとに回答が変わると述べ、メラノーマ30件という件数では統計的な不確実性が大きいとしている。
A little context · terms in this story理解の手がかり · この記事の用語
- Benchmark
- A test used to compare performance under particular conditions. A higher score on one test does not establish that a product is better for every real task.特定の条件で性能を比較するテスト。あるテストで高得点でも、実際のあらゆる用途で優れているとは限りません。
Read the sources原典を読む
The marked texts informed this summary. Other links provide related coverage; a link is not independent verification.印のある記事本文を要約の材料にしています。ほかは関連情報です。リンクの数は独立した裏付けの数を意味しません。
More in AIAIのほかの記事
Moonshot launches Kimi K3.1 Pro, weights due Nov. 4Moonshot、Kimi K3.1 Pro公開 重みは11月4日予定
9 linked sites関連9サイト
MiniMax launches M3.1 Flash, cuts agent task costs 70%MiniMax、M3.1 Flash発表 エージェント費用7割減
12 linked sites関連12サイト
Moonshot's Kimi K3.1 Pro adds enterprise, API access detailsKimi K3.1 Pro、企業・API提供詳細が判明
18 linked sites関連18サイト