2015 წლის ნეირონულმა ქსელმა კანის კიბოს ამოცნობაში GPT-6-ს და Claude-ს აჯობა

მელანომა პაციენტის ყურზეა. ის თხელია, მაგრამ კანში უკვე ღრმად ზრდას იწყებს. დერმატოლოგმა მაგნუს ლინჩმა მისი ორი ფოტო აჩვენა 2026 წლის ოქტომბრის ორ ყველაზე მძლავრ ხელოვნურ ინტელექტს, GPT-6 Astra-სა და Claude Fable 5.1-ს. ორივემ ერთი და იგივე პასუხი გასცა: სებორეული კერატოზი, უვნებელი მეჭეჭისებრი წარმონაქმნი, შეიძლება შინ გაშვება. შემდეგ იგივე ფოტოები ნეირონულ ქსელს აჩვენეს, რომელიც Google-ის ინჟინრებმა ჯერ კიდევ 2015 წელს აღწერეს. მან ამ წარმონაქმნს მელანომა უწოდა.

ეს შემთხვევითობა არ არის. 2026 წლის 25 ოქტომბერს გამოქვეყნებულ ტესტში ძველმა Inception v3-მა 200 წარმონაქმნიდან 125-ზე სწორი დიაგნოზი დაასახელა, ანუ 62%-ზე. ორივე წამყვანმა მოდელმა 42% აჩვენა. ავტორის თქმით, ძველი ქსელის კანის სურათებზე დასწავლას დაახლოებით ოცი წუთი დასჭირდა. ყველაზე საინტერესო სიზუსტის ქულის მიღმაა: თითოეული მანქანა თავისებურად ცდება და სწორედ ეს წყვეტს, ვის გაუშვებენ შინ კიბოთი. ეს უკვე აღარ არის აკადემიური კითხვა. KFF-ის გამოკითხვაში , რომელიც 2026 წლის 24 თებერვლიდან 2 მარტამდე ჩატარდა, ამერიკელი მოზრდილების 32%-მა თქვა, რომ გასულ წელს ჯანმრთელობაზე ხელოვნური ინტელექტის ჩატბოტებს დაუსვა შეკითხვა. ხალის ფოტო ასეთ ჩატში დღეს აღარავის უკვირს.

ორასი ხალი, რომელიც უკვე ვიღაცამ ამოჭრა

ლინჩი კონსულტანტი დერმატოლოგი და მოსის ქირურგია ლონდონის გაის ჰოსპიტალში და ლონდონის სამეფო კოლეჯის საპატიო ლექტორია. მისი კვლევის სფეროა კანის კიბო და ხელოვნური ინტელექტის გამოყენება დერმატოლოგიაში, ამიტომ ტესტი კლინიცისტივით ააგო. სურათები აიღო MILK10k-დან, ღია მონაცემთა ბაზიდან, რომელიც 2025 წელს გამოაქვეყნა კანის გამოსახულებების საერთაშორისო გაერთიანებამ (ISIC). მასში ყოველი წარმონაქმნი ორჯერაა გადაღებული: ერთხელ ჩვეულებრივი ახლო ხედით და ერთხელ დერმატოსკოპით.

ლინჩმა შემთხვევითად 200 წარმონაქმნი ამოარჩია. თითოეული დიაგნოზი ჰისტოლოგიით დადასტურდა, ანუ ამოღებული ქსოვილი მიკროსკოპით შეისწავლეს. ასი წარმონაქმნი შინ გასაშვები არ არის: 30 მელანომა, 25 ბაზალიომა (ბაზალურუჯრედოვანი კარცინომა), 25 ბრტყელუჯრედოვანი კარცინომა და 20 აქტინური კერატოზი, მზისგან დაზიანებული უხეში უბნები, რომლებიც კიბოდ შეიძლება გადაიქცეს. დანარჩენი ასი უვნებელია: 50 ჩვეულებრივი ხალი და 50 სებორეული კერატოზი.

ბაზალურუჯრედოვანი და ბრტყელუჯრედოვანი კარცინომები კანის კიბოს ყველაზე გავრცელებული სახეებია და, როგორც Cancer Research UK აღნიშნავს, ორგანიზმის სხვა ნაწილებში იშვიათად ვრცელდება. ამ ტესტში მთავარი ზღვარი მელანომაა. მისი გამოტოვება ყველაზე სერიოზული შეცდომაა, ამიტომ მელანომის ბაზალიომად მიჩნევა მცირე ბოროტებაა: პაციენტი მაინც ექიმთან რჩება.

არის ერთი სირთულეც და ავტორი თავადვე მიუთითებს მასზე. კრებულში უვნებელი წარმონაქმნებიც ამოჭრილი და ლაბორატორიაში გაგზავნილი იყო. თუ ვინმემ ხალის მოშორება გადაწყვიტა, ესე იგი, კლინიცისტს რაღაც აწუხებდა. ამიტომ ტესტი ყველაზე ცბიერი ხალებითაა სავსე, იმ ხალებით, რომლებზეც სპეციალისტებიც ჩერდებიან.

მოდელებმა ორივე ფოტო მიიღეს და ისეთი შეკითხვები დაუსვეს, როგორსაც ექიმი დასვამდა: ექვსი დიაგნოზიდან რომელია ყველაზე სავარაუდო, რამდენად დარწმუნებულნი არიან, რა იქნებოდა მეორე არჩევანი და შეიძლება თუ არა პაციენტის შინ გაშვება მკურნალობის, ბიოფსიის ან შემდგომი თვალყურის გარეშე. არც ერთმა მოდელმა არც ერთ შემთხვევაზე უარი არ თქვა.

ქსელი, საიდანაც დაიწყო ხელოვნური დერმატოლოგი

Inception v3 სამედიცინო მიზნით არ შექმნილა. 2015 წლის დეკემბრის სტატიაში Google-ის ინჟინრებმა ის ფოტოებზე ყოველდღიური საგნების ამოსაცნობ ქსელად წარმოადგინეს. ეს კონვოლუციური ნეირონული ქსელია: ის სურათს პატარა “ფანჯრებით” სკანირებს და წვრილმანებს, ისეთებს, როგორიცაა კიდეები და ლაქები, სულ უფრო დიდ ნახაზებად აწყობს.

2017 წლის იანვარში მისი გამოყენება სტენფორდის გუნდმა დაიწყო. მათ ის 2032 დაავადების 129 450 კანის სურათზე დაასწავლეს და Nature-ში გამოაქვეყნეს , რომ ბიოფსიით დადასტურებულ სურათებზე ქსელი კიბოს უვნებელი წარმონაქმნებისგან ისევე კარგად არჩევდა, როგორც სერტიფიცირებული 21 დერმატოლოგი. ავტორები ვარაუდობდნენ, რომ სმარტფონზე ასეთი ქსელი დერმატოლოგის დახმარებას კლინიკის ფარგლებს გარეთაც გაავრცელებდა.

ლინჩმა იგივე არქიტექტურა აიღო და ერთ ვიდეობარათზე ISIC Archive-ის 68 011 სურათზე დაასწავლა. წინასწარ, სასწავლო მონაცემებიდან ამოიღო ყველა 200 სატესტო წარმონაქმნი და იმავე წარმონაქმნების ან პაციენტების ყველა სხვა ფოტო, ამიტომ ქსელს ისინი არასოდეს უნახავს. უახლესი ენობრივი მოდელები წერენ კოდს, ამოწმებენ ხელშეკრულებებს და ყველაფერზე საუბრობენ. ხალების ამოცნობაში კი ათი წლის წინანდელ ვიწრო სპეციალისტს წააგეს.

ყველა დიდ მოდელს საყვარელი პასუხი აქვს

უდიდესი ხვრელი უვნებელ წარმონაქმნებზეა. GPT-6 Astra-მ 50 ხალიდან მხოლოდ 16 ამოიცნო, Claude Fable 5.1-მა 50 სებორეული კერატოზიდან მხოლოდ 6, ქსელმა კი შესაბამისად 37 და 26. ჩატბოტები ყველაზე ცუდად სწორედ იმას ცნობენ, რაც ხელუხლებლად შეიძლება დარჩეს. მელანომის არც ერთი მაჩვენებელი შთამბეჭდავი არ არის, რაც რთული კრებულის გულწრფელ სურათს იძლევა.

უარესი ისაა, რომ თითოეულ ენობრივ მოდელს საყვარელი პასუხი ჰქონდა. GPT-6 Astra-მ 75 წარმონაქმნს უწოდა ბაზალიომა, მაშინ როცა კრებულში 25 იყო, და 30 მელანომიდან 14 სწორედ ამ გროვაში მოხვდა. ასეთი პაციენტი მაინც ექიმთან დარჩებოდა: მელანომა სხვა კიბოდ ჩათვალეს. ამავე დროს მან სწორად ამოიცნო ყველა 25 ნამდვილი ბაზალიომა, ქსელის 24-ზე ერთით მეტი. ეს იდეალური შედეგი ჩვევის გვერდითი ეფექტია: ყოველ მესამე წარმონაქმნს ბაზალიომა უწოდე და ნამდვილი ვერც ერთი გაგექცევა. Claude Fable 5.1-მა აქტინური კერატოზი 53 შემთხვევაში დაინახა, ნამდვილ 20-ის წინააღმდეგ. ამ კერატოზებზე ძველმა ქსელმა ორივე მოდელს წააგო: 20-დან 9, მოდელების 10-ისა და 12-ის წინააღმდეგ. კიდევ ერთ მაგალითში GPT-6 Astra-მ ძალიან მცირე პიგმენტის მქონე მელანომა ბაზალიომად ჩათვალა და თავისი დარწმუნებულობა 95%-ად შეაფასა.

ქსელის მელანომის შეცდომები საპირისპირო მიმართულებით წავიდა. მისი 17 გამოტოვებიდან მელანომა 8-ჯერ ხალად ჩათვალა და 6-ჯერ სებორეულ კერატოზად, ორივე იმ წარმონაქმნად, რომლის დატოვებაც შეიძლება. ასეთი დიაგნოზით ადამიანი ადვილად იგზავნება შინ.

ყველაფერი ზღურბლზე მოდის

ექიმს ხშირად უფრო მარტივ კითხვაზე პასუხი სჭირდება, ვიდრე “რა არის ეს”: გავუშვათ ადამიანი შინ თუ არა. ქსელი ამ კითხვას 0-დან 1-მდე რიცხვით პასუხობს, რომელიც აჩვენებს, რამდენად საშიშად გამოიყურება წარმონაქმნი. ზღურბლი ამ სკალაზე ის ნიშანულია, რომლის ზემოთაც ქსელი ამბობს: “შეამოწმეთ”. დაწიე ნიშანული და განგაში უფრო ხშირი გახდება. აწიე და ქსელი მეტ ადამიანს გაუშვებს შინ.

ენობრივმა მოდელებმა 100 საშიში წარმონაქმნიდან 97 და 96 დატოვეს მეთვალყურეობის ქვეშ. 30 მელანომიდან 3 და 4 გაუშვეს შინ. მაგრამ უვნებელი წარმონაქმნებიც ცოტა გაუშვეს: 100-დან 32 და 22. დანარჩენი კეთილთვისებიანი ხალის მქონე ყველა ადამიანი ზედმეტ ვიზიტზე ან ბიოფსიაზე გაიგზავნებოდა.

ძველი ქსელის ზღურბლი წინასწარ, სხვა სურათებზე იყო დაყენებული და ამ 200 შემთხვევაზე არ მოუწყვიათ. მასთან ქსელმა სხვანაირად იმუშავა. 100 უვნებელი წარმონაქმნიდან 76 გაუშვა და 100 საშიშიდან მხოლოდ 77 დატოვა. გაშვებულთა შორის იყო 30 მელანომიდან 18. ქსელი შინ გაშვებას თავისი ეჭვის სკალით წყვეტს, რა დიაგნოზსაც არ უნდა ასახელებდეს. სწორედ ამიტომ გაუშვა 18 მელანომა, თუმცა მელანომის დიაგნოზში 17 შემთხვევაში შეცდა.

თუ ზღურბლს ჩატბოტების სიფრთხილეს შევუსაბამებთ, სურათი იცვლება. ქსელი 100 საშიშიდან 98 ან 99-ს ინარჩუნებს, ენობრივი მოდელების 97-ისა და 96-ის წინააღმდეგ, და მელანომიდან ერთს ან ორს უშვებს შინ, მოდელების სამისა და ოთხის წინააღმდეგ. სიფრთხილის ერთსა და იმავე დონეზე ძველი ქსელი ორივე მოდელს ორივე მაჩვენებლით სჯობს. 18 გამოტოვებული მელანომა უფრო მეტს ამბობს არჩეულ ნიშანულზე. მას დეველოპერები აყენებენ და მომხმარებელს მასზე სიტყვის უფლება არ აქვს.

კითხვა “ექიმთან უნდა მივიდე?”

ჩვეულებრივი ადამიანი ექიმისგან განსხვავებულად კითხავს. იმავე KFF-ის გამოკითხვაში ამერიკელი მოზრდილების 13%-მა თქვა, რომ ჩატბოტებში საკუთარი სამედიცინო ინფორმაცია, მაგალითად ანალიზების პასუხები ან ექიმის ჩანაწერები, ატვირთა.

ლინჩმა ეს სცენარიც შეამოწმა. მოდელებს მხოლოდ ჩვეულებრივი ფოტო აჩვენა, დერმატოსკოპის გამოსახულების გარეშე, და პაციენტის კითხვა დაუსვა: “ექიმთან უნდა მივიდე?” ორივე მოდელმა თითქმის ყოველთვის ექიმთან მისვლა ურჩია, უვნებელი წარმონაქმნების ჩათვლით. 100 ბიოფსიით დადასტურებული მელანომის ცალკე კრებულზე ადამიანი ექიმთან 99 და 98 შემთხვევაში გაგზავნეს.

ვინც ხალს ფოტოს უღებს და ChatGPT-ში ან Claude-ში ტვირთავს, მისთვის ორი რამ გამომდინარეობს აქედან. ჩატბოტი, ალბათ, მელანომას არ გამოტოვებს. კეთილთვისებიან ხალსაც არ გაამართლებს, ამიტომ მისი “შეამოწმეთ” თითქმის არაფერს ამბობს. ის ხანძარსიგნალიზაციას ჰგავს, რომელიც ყოველ დამწვარ ნატეხ პურზე ირთვება: ხანძარს არ გაუშვებს, მაგრამ ხანძრისა და საუზმის გარჩევა არ შეუძლია.

რას არ ადასტურებს ეს ტესტი

ლინჩი სუსტ წერტილებს თავადვე ჩამოთვლის. ორასი წარმონაქმნი საერთო კანონზომიერების საჩვენებლად საკმარისია, მაგრამ ახლო შედეგების დასალაგებლად არა. ოცდაათი მელანომა ყველაზე მნიშვნელოვან მაჩვენებელზე ფართო განუსაზღვრელობას ტოვებს. თითოეულმა ენობრივმა მოდელმა თითოეული შემთხვევა ერთხელ ნახა, ხოლო მათი პასუხები გაშვებიდან გაშვებამდე იცვლება. MILK10k 2025 წლიდან საჯაროა, ამიტომ მოდელებს შეიძლება ის სწავლებისას ენახათ. ავტორის აზრით, ეს, თუ რამე, მათ დაეხმარებოდა.

ტესტში Inception v3 საბაზო ქსელის როლს ასრულებს. კანის დიაგნოსტიკის საუკეთესო თანამედროვე სისტემები რამდენიმე ახალი თაობის ქსელს აერთიანებს და მეტ მონაცემზე სწავლობს. ლინჩის თქმით, მათზე აგებული რეგულირებადი პროდუქტები მნიშვნელოვნად უკეთ მუშაობენ. კრებული ძველი ქსელისთვისაც რთული იყო: ISIC Archive-ის ჩვეულებრივ სურათებზე ის საშიშსა და უსაფრთხოს უფრო ზუსტად არჩევდა. იქ მისი შემაჯამებელი ქულა 0,96-ია, აქ კი 0,86, სადაც 1 შეცდომების არარსებობას ნიშნავს, 0,5 კი გამოცნობას.

ტესტი რეცენზირებული არ არის: ეს ლაბორატორიის საიტზე გამოქვეყნებული პოსტია. სამაგიეროდ, ლინჩმა გამოაქვეყნა ყველაფერი, რაც შესამოწმებლად სჭირდება: შემთხვევები, პრომპტები, მოდელების ყველა პასუხი და შეფასების კოდი. ის აღნიშნავს, რომ ანალიზი და პირველი ვარიანტები Claude Code-ით, Anthropic-ის პროგრამირების ინსტრუმენტით, მომზადდა, ხოლო ერთ-ერთი შემოწმებული მოდელიც Anthropic-ისაა. ქსელი ინტერნეტშია კვლევითი დემოს სახით და სამედიცინო მოწყობილობა არ არის. თავად ლინჩი აფრთხილებს, რომ ის კანის ზოგიერთ კიბოს, მელანომის ჩათვლით, აცდენს და მისი გამოყენება არ შეიძლება იმის გადასაწყვეტად, ექიმთან მისვლა სჭირდება თუ არა.

ორივე წამყვანი მოდელი ყურზე მელანომის მქონე პაციენტს შინ გაუშვებდა, თუ ექიმის როლში ორივე ფოტოს მიხედვით ჰკითხავდი. პაციენტის მრჩევლის როლში კი, ყველა დანარჩენივით, ექიმთან გაგზავნიდა. ძველმა ქსელმა ეს მელანომა დაინახა, მაგრამ დუმს თუ განგაშს ტეხს, მის სკალაზე ერთი ნიშანული წყვეტს. ამიტომ კითხვა, რომელიც იმაზე მნიშვნელოვანია, რომელი ხელოვნური ინტელექტია ჭკვიანი, ასეთია: ვინ ადგენს ნიშანულის, რომლის ქვემოთაც მანქანა დუმს, და სად?