2015. gada neironu tīkls ādas vēža atpazīšanā pārspēja GPT-6 un Claude

Melanoma atrodas pacienta ausī. Tā ir plāna, taču jau sākusi augt dziļumā ādā. Dermatologs Magnuss Linčs (Magnus Lynch) divas tās fotogrāfijas parādīja diviem spēcīgākajiem 2026. gada oktobrī pieejamajiem mākslīgā intelekta modeļiem, GPT-6 Astra un Claude Fable 5.1. Abi atbildēja vienādi: seboreiskā keratoze, nekaitīgs kārpains veidojums, pacientu var droši atlaist. Pēc tam tās pašas fotogrāfijas nonāca pie neironu tīkla, ko Google inženieri aprakstīja jau 2015. gadā. Tas veidojumu nosauca par melanomu.

Šis gadījums nav nejaušība. 2026. gada 25. oktobrī publicētajā testā vecais tīkls Inception v3 pareizo diagnozi nosauca 125 no 200 veidojumiem jeb 62% gadījumu. Abi pirmās līnijas modeļi sasniedza 42%. Vecā tīkla pielāgošana ādas attēliem, pēc autora teiktā, prasīja apmēram divdesmit minūtes. Interesantākais testā slēpjas aiz precizitātes rādītāja: katra mašīna kļūdās savā veidā, un tieši tas nosaka, kuru mājās aizsūta ar vēzi. Šis vairs nav akadēmisks jautājums. KFF aptaujā , kas notika no 2026. gada 24. februāra līdz 2. martam, 32% ASV pieaugušo teica, ka pēdējā gada laikā ir jautājuši mākslīgā intelekta tērzētavām par savu veselību, un dzimumzīmes foto šādā sarunā šodien nevienu vairs nepārsteidz.

Divsimt dzimumzīmju, ko kāds jau izgrieza

Linčs ir konsultants dermatologs un Mosa ķirurgs Gaija slimnīcā Londonā, kā arī Londonas Karaļa koledžas goda lektors. Viņa pētījumu tēmas ir ādas vēzis un mākslīgā intelekta izmantošana dermatoloģijā, tāpēc testu viņš veidoja kā klīnicists. Attēlus viņš ņēma no MILK10k, publiska datu kopuma, ko 2025. gadā laida klajā Starptautiskā ādas attēlu apvienība (ISIC). Katrs tajā esošais veidojums nofotografēts divreiz: kā parasts tuvplāns un caur dermatoskopu.

Linčs nejauši izvēlējās 200 veidojumus. Katra diagnoze bija apstiprināta histoloģiski, tas ir, izņemtos audus izpētīja mikroskopā. Simts no veidojumiem nedrīkst atlaist: 30 melanomas, 25 bazālo šūnu karcinomas, 25 plakanšūnu karcinomas un 20 aktīniskās keratozes, raupji saules bojāti plankumi, kas var pārvērsties vēzī. Pārējie simts ir droši: 50 parastas dzimumzīmes un 50 seboreiskās keratozes.

Bazālo šūnu un plakanšūnu karcinomas ir visbiežākie ādas vēži, un, kā norāda Cancer Research UK , tās reti izplatās citās ķermeņa daļās. Melanoma šajā testā ir svarīgākā robeža. Tās palaišana garām ir vissmagākā kļūda, tāpēc melanomas noturēšana par bazālo šūnu karcinomu ir mazāks ļaunums: pacients tik un tā paliek ārsta redzeslokā.

Ir arī viens ķeksis, un autors uz to norāda pats. Kopas nekaitīgie veidojumi arī tika izgriezti un nosūtīti uz laboratoriju. Ja kāds nolēma dzimumzīmi noņemt, klīnicists tajā ko pamanīja satraucošu. Tātad tests ir pilns ar visviltīgākajām dzimumzīmēm, tādām, pie kurām apdomājas arī speciālisti.

Modeļi saņēma abas fotogrāfijas un tika jautāti to, ko jautātu ārsts: kura no sešām diagnozēm ir ticamākā, cik pārliecināti tie ir, kāda būtu otrā izvēle un vai pacientu var atlaist bez ārstēšanas, biopsijas vai uzraudzības. Neviens modelis nevienu gadījumu neatteica.

Tīkls, ar kuru sākās mākslīgais dermatologs

Inception v3 netika radīts medicīnai. 2015. gada decembra rakstā Google inženieri to iepazīstināja kā tīklu ikdienas priekšmetu atpazīšanai fotogrāfijās. Tas ir konvolucionārs neironu tīkls: tas skenē attēlu caur maziem lodziņiem un no sīkām detaļām, piemēram, malām un plankumiem, saliek arvien lielākus rakstus.

2017. gada janvārī to paņēma Stenfordas komanda. Viņi pielāgoja tīklu 129 450 ādas attēliem ar 2032 slimībām un žurnālā Nature ziņoja , ka ar biopsiju apstiprinātos attēlos tas atšķīra vēzi no nekaitīgiem veidojumiem tikpat labi kā 21 sertificēts dermatologs. Autori atzina, ka šāds tīkls viedtālrunī varētu dermatologa rokas aizsniegt tālu ārpus klīnikas.

Linčs ņēma to pašu arhitektūru un pielāgoja to 68 011 attēliem no ISIC arhīva ar vienu grafisko karti. Visus 200 testa veidojumus un katru citu tās pašas dzimumzīmes vai tā paša pacienta fotogrāfiju viņš iepriekš izņēma no apmācības datiem, tāpēc tīkls tos nekad nebija redzējis. Jaunākie valodas modeļi raksta kodu, pārbauda līgumus un tērzē par jebko. Dzimumzīmju atpazīšanā tie zaudēja šauram speciālistam no pirms desmit gadiem.

Katram lielajam modelim ir mīļākā atbilde

Plaisa vislielākā ir nekaitīgajos veidojumos. GPT-6 Astra atpazina tikai 16 no 50 dzimumzīmēm, Claude Fable 5.1 tikai 6 no 50 seboreiskajām keratozēm, kamēr tīkls trāpīja 37 un 26 reizes. Tērzētavas vissliktāk atpazīst tieši to, ko drīkst atstāt mierā. Neviens melanomu rezultāts nav iespaidīgs, un tas godīgi atspoguļo grūto kopu.

Vēl ļaunāk, katram valodas modelim bija mīļākā atbilde. GPT-6 Astra par bazālo šūnu karcinomu nosauca 75 veidojumus, lai gan kopā to bija 25, un šajā kaudzē nonāca 14 no 30 melanomām. Šāds pacients tik un tā paliktu pie ārsta: melanoma tika sajaukta ar citu vēzi. Visas 25 īstās bazālo šūnu karcinomas tas gan atpazina pareizi, par vienu vairāk nekā tīkla 24. Šis ideālais rezultāts ir paraduma blakusefekts: nosauc katru trešo veidojumu par bazālo šūnu karcinomu, un neviena īstā neizslīdēs garām. Claude Fable 5.1 aktīnisko keratozi saskatīja 53 gadījumos, kur patiesībā to bija 20. Šajās keratozēs vecais tīkls zaudēja abiem modeļiem: 9 no 20 pret 10 un 12. Citā piemērā GPT-6 Astra melanomu ar ļoti niecīgu pigmentu noturēja par bazālo šūnu karcinomu un savu pārliecību lēsa 95% apmērā.

Tīkla melanomu kļūdas gāja pretējā virzienā. No tā 17 kļūmēm melanomu tas 8 reizes nosauca par dzimumzīmi un 6 reizes par seboreisko keratozi, abas ir lietas, ko drīkst atstāt mierā. Ar šādu diagnozi cilvēku ir viegli aizsūtīt mājās.

Viss atkarīgs no sliekšņa

Ārstam bieži vajag atbildi uz vienkāršāku jautājumu nekā «kas tas ir»: aizsūtīt cilvēku mājās vai nē. Tīkls uz to atbild ar skaitli no 0 līdz 1, kas rāda, cik bīstams veidojums izskatās. Slieksnis ir atzīme uz šīs skalas, virs kuras tīkls saka: «jāpārbauda». Nolaid atzīmi, un trauksmes kļūst vairāk. Paaugstini, un tīkls vairāk cilvēku sūta mājās.

Valodas modeļi 97 un 96 no 100 bīstamajiem veidojumiem paturēja uzraudzībā. No 30 melanomām tie atlaida 3 un 4. Taču palaida tie arī maz nekaitīgo veidojumu: 32 un 22 no 100. Visi pārējie ar labdabīgu dzimumzīmi tiktu nosūtīti uz lieku vizīti vai biopsiju.

Vecā tīkla slieksnis tika noteikts iepriekš, izmantojot citus attēlus, un netika pielāgots šiem 200 gadījumiem. Ar to tīkls uzvedās citādi. No 100 nekaitīgajiem veidojumiem tas atlaida 76 un no bīstamajiem paturēja tikai 77. Starp atlaistajiem bija 18 no 30 melanomām. Tīkls lemj par atlaišanu pēc savas aizdomu skalas, neatkarīgi no tā, kādu diagnozi nosauc. Tāpēc tas atlaida 18 melanomas, kaut arī melanomas diagnozi nosauca nepareizi 17 gadījumos.

Pieskaņo slieksni tērzētavu piesardzības līmenim, un aina mainās. Tīkls patur 98 vai 99 no 100 bīstamajiem veidojumiem pret valodas modeļu 97 un 96 un atlaiž vienu vai divas melanomas pret trim un četrām. Ar vienādu piesardzības līmeni vecais tīkls pārspēj abus modeļus abos rādītājos. Tās 18 palaistās melanomas vairāk stāsta par izraudzīto atzīmi. To nosaka izstrādātāji, un lietotājam te nav ko teikt.

Jautājums «vai man jāiet pie ārsta?»

Parasts cilvēks jautā citādi nekā ārsts. Tajā pašā KFF aptaujā 13% ASV pieaugušo teica, ka ir augšupielādējuši tērzētavās savu medicīnisko informāciju, piemēram, analīžu rezultātus vai ārstu piezīmes.

Linčs pārbaudīja arī šo scenāriju. Viņš modeļiem parādīja tikai parasto fotogrāfiju, bez dermatoskopa attēla, un uzdeva pacienta jautājumu: «Vai man jāiet pie ārsta?» Abi modeļi gandrīz katru reizi ieteica doties pie ārsta, arī nekaitīgu veidojumu gadījumā. Atsevišķā kopā ar 100 ar biopsiju apstiprinātām melanomām tie cilvēku nosūtīja pie ārsta 99 un 98 gadījumos.

Tam, kurš nofotografē dzimumzīmi un augšupielādē to ChatGPT vai Claude , no tā izriet divas lietas. Tērzētava, visticamāk, melanomu nepalaidīs garām. Taču tā neattaisnos arī labdabīgu dzimumzīmi, tāpēc tās «jāpārbauda» gandrīz neko neizsaka. Tā uzvedas kā dūmu detektors, kas svilpj pie katras piedegušās tostermaizes: ugunsgrēku tas neaizmigs, bet atšķirt ugunsgrēku no brokastīm neprot.

Ko šis tests nepierāda

Vājās vietas Linčs uzskaita pats. Divsimt veidojumu pietiek, lai parādītu kopējo ainu, bet ne, lai sarindotu tuvus rezultātus. Trīsdesmit melanomas atstāj plašu nenoteiktību tieši svarīgākajā rādītājā. Katrs valodas modelis katru gadījumu redzēja vienu reizi, un to atbildes mainās no palaišanas uz palaišanu. MILK10k publiski pieejams kopš 2025. gada, tāpēc modeļi to varēja redzēt apmācībā. Autora skatījumā, tas viņiem drīzāk būtu palīdzējis.

Testā Inception v3 kalpo kā atskaites punkts. Labākās mūsdienu ādas diagnostikas sistēmas apvieno vairākus jaunākās paaudzes tīklus un mācās uz lielāka datu apjoma. Uz tām balstītie regulētie produkti, Linča vārdiem, strādā ievērojami labāk. Kopa bija grūta arī vecajam tīklam: parastos ISIC arhīva attēlos tas bīstamos veidojumus no drošajiem šķīra precīzāk. Tā kopējais rādītājs tur ir 0,96 pret 0,86 šeit, kur 1 nozīmē bez kļūdām un 0,5 nozīmē minēšanu.

tests nav recenzēts: tas ir ieraksts laboratorijas mājaslapā. Toties Linčs publicēja visu, kas vajadzīgs pārbaudei: gadījumus, uzvedinājumus, katru modeļa atbildi un vērtēšanas kodu. Viņš atklāj, ka analīze un pirmie melnraksti tapuši ar Claude Code, Anthropic programmēšanas rīku, savukārt viens no pārbaudītajiem modeļiem arī ir no Anthropic. Tīkls ir pieejams tiešsaistē kā pētniecības demonstrācija , un tas nav medicīniska ierīce. Pats Linčs brīdina, ka tas palaiž garām dažus ādas vēžus, tostarp melanomu, un to nedrīkst izmantot, lai izlemtu, vai iet pie ārsta.

Abi pirmās līnijas modeļi pacientu ar melanomu ausī būtu aizsūtījuši mājās, ja tiem jautātu kā ārstiem, ar abām fotogrāfijām. Pacienta padomdevēja lomā tie viņu būtu nosūtījuši pie ārsta, tāpat kā visus citus. Vecais tīkls šo melanomu redzēja, taču tas, vai tas paliks kluss vai sauks trauksmi, ir atkarīgs no atzīmes uz tā skalas. Tāpēc svarīgāks par jautājumu, kurš MI ir gudrāks, ir cits: kas nosaka atzīmi, zem kuras mašīna klusē, un kur tā atrodas?