Neurónová sieť z roku 2015 predbehla GPT-6 a Claude v rozpoznávaní rakoviny kože

Melanóm sedí pacientovi na uchu. Je tenký, no do kože už začal rásť. Dermatológ Magnus Lynch ukázal dve jeho fotografie dvom najschopnejším modelom umelej inteligencie, aké boli v októbri 2026 k dispozícii: GPT-6 Astra a Claude Fable 5.1. Oba odpovedali rovnako: seboroická keratóza, neškodný bradavičnatý výrastok, pacienta možno poslať domov. Potom tie isté fotky dostala neurónová sieť, ktorú inžinieri Googlu opísali už v roku 2015. Útvar označila za melanóm.

Nebola to náhoda. V teste zverejnenom 25. októbra 2026 určila stará sieť Inception v3 správnu diagnózu pri 125 z 200 útvarov, teda 62 %. Obe špičkové modely dosiahli 42 %. Dotrénovanie starej siete na snímkach kože trvalo podľa autora asi dvadsať minút. Zaujímavejšie než samotná presnosť je však niečo iné: každý stroj sa mýli po svojom a práve to rozhoduje o tom, kto pôjde domov s rakovinou. Nie je to už akademická otázka. V prieskume KFF od 24. februára do 2. marca 2026 uviedlo 32 % dospelých Američanov, že sa za posledný rok pýtali AI chatbotov na svoje zdravie, a fotka materského znamienka v takom rozhovore už nikoho neprekvapí.

Dvesto znamienok, ktoré už niekto vyrezal

Lynch je konzultujúci dermatológ a Mohsov chirurg v londýnskej nemocnici Guy’s a čestný lektor na King’s College London. Venuje sa rakovine kože a využitiu AI v dermatológii, preto test postavil ako klinik. Obrázky vzal z MILK10k, verejného súboru, ktorý v roku 2025 vydala International Skin Imaging Collaboration (ISIC). Každý útvar je v ňom odfotený dvakrát: raz ako bežný záber zblízka a raz cez dermatoskop.

Lynch náhodne vybral 200 útvarov. Každú diagnózu potvrdila histológia, čiže vyrezané tkanivo sa skúmalo pod mikroskopom. Sto útvarov nie je vhodných na prepustenie domov: 30 melanómov, 25 bazaliómov, 25 spinocelulárnych karcinómov a 20 aktinických keratóz, drsných miest poškodených slnkom, z ktorých môže vzniknúť rakovina. Ďalšia stovka je bezpečná: 50 obyčajných znamienok a 50 seboroických keratóz.

Bazocelulárny a spinocelulárny karcinóm patria k najčastejším rakovinám kože a, ako uvádza Cancer Research UK , len zriedka sa šíria do iných častí tela. Pri tomto teste je najdôležitejšia hranica melanóm. Prehliadnuť ho je najhoršia chyba, preto je zámena melanómu za bazaliómom menšie zlo: pacient zostane u lekára.

Má to háčik a autor na neho upozorňuje sám. Neškodné útvary v súbore tiež vyrezali a poslali do laboratória. Ak sa niekto rozhodol znamienko odstrániť, niečo na ňom lekára znepokojilo. Test je teda plný najzákernejších znamienok, pri ktorých váhajú aj špecialisti.

Modely dostali obe fotky a otázky, aké by kládol lekár: ktorá zo šiestich diagnóz je najpravdepodobnejšia, nakoľko si je model istý, aká by bola druhá voľba a či možno pacienta prepustiť bez liečby, biopsie či kontroly. Ani jeden model neodmietol odpovedať v jedinom prípade.

Sieť, od ktorej sa začal AI dermatológ

Inception v3 nevznikla pre medicínu. V článku z decembra 2015 ju inžinieri Googlu predstavili ako sieť na rozpoznávanie bežných predmetov na fotografiách. Je to konvolučná neurónová sieť: prechádza obrázok malými okienkami a z drobných detailov, ako sú hrany a škvrny, skladá čoraz väčšie vzory.

V januári 2017 ju prevzal tím zo Stanfordu. Dotrénoval ju na 129 450 snímkach kože s 2 032 chorobami a v Nature uviedol , že na snímkach potvrdených biopsiou odlíšila rakovinu od neškodných útvarov rovnako dobre ako 21 certifikovaných dermatológov. Autori naznačili, že takáto sieť v smartfóne by mohla preniesť dosah dermatológa za múry ambulancie.

Lynch použil rovnakú architektúru a dotrénoval ju na 68 011 snímkach z archívu ISIC na jedinej grafickej karte. Všetkých 200 testovacích útvarov aj každú inú fotku tých istých útvarov či pacientov z trénovacích dát vopred odstránil, takže ich sieť nikdy nevidela. Najnovšie jazykové modely píšu kód, kontrolujú zmluvy a vedia sa rozprávať o čomkoľvek. Pri rozpoznávaní znamienok prehrali s úzkym špecialistom spred desiatich rokov.

Každý veľký model má obľúbenú odpoveď

Najväčší rozdiel je pri neškodných útvaroch. GPT-6 Astra spoznala len 16 z 50 znamienok, Claude Fable 5.1 len 6 z 50 seboroických keratóz, kým sieť trafila 37 a 26. Chatboty sú najhoršie presne v tom, čo možno nechať tak. Čísla pri melanómoch nie sú pôsobivé nikde, čo je férový obraz náročného súboru.

Horšie je, že každý jazykový model mal obľúbenú odpoveď. GPT-6 Astra označila za bazaliómy 75 útvarov, hoci ich v súbore bolo 25, a do tejto kôpky padlo 14 z 30 melanómov. Taký pacient by zostal u lekára: melanóm si zamenila za inú rakovinu. Všetkých 25 skutočných bazaliómov však trafila, o jeden viac než sieť s 24. Toto dokonalé skóre je vedľajším produktom zvyku: ak každý tretí útvar nazvete bazaliómom, žiadny skutočný vám neunikne. Claude Fable 5.1 videla aktinickú keratózu v 53 prípadoch pri skutočných 20. Pri týchto keratózach stará sieť prehrala s oboma modelmi, 9 z 20 oproti 10 a 12. V inom príklade GPT-6 Astra zamenila melanóm s veľmi malým množstvom pigmentu za bazaliómom a svoju istotu odhadla na 95 %.

Chyby siete pri melanómoch išli opačným smerom. Zo 17 prehliadnutých melanómov ho 8-krát nazvala znamienkom a 6-krát seboroickou keratózou, teda tým, čo možno nechať tak. S takou diagnózou je človeka ľahké poslať domov.

Všetko rozhoduje prah

Lekár často potrebuje odpoveď na jednoduchšiu otázku než „čo to je“: poslať človeka domov, alebo nie. Sieť na ňu odpovedá číslom od 0 do 1, ktoré ukazuje, nakoľko útvar vyzerá nebezpečne. Prah je značka na tejto stupnici, nad ktorou sieť povie „nechajte si to skontrolovať“. Znížite značku a poplachov pribudne. Zdvihnete ju a sieť pošle domov viac ľudí.

Jazykové modely nechali pod dohľadom 97 a 96 zo sto nebezpečných útvarov. Z 30 melanómov prepustili 3 a 4. No prepustili aj málo neškodných útvarov: 32 a 22 zo sto. Všetkých ostatných s benígnym znamienkom by poslali na zbytočnú návštevu alebo biopsiu.

Prah starej siete bol určený vopred na iných snímkach a na týchto 200 prípadov ladený nebol. S ním sa sieť správala inak. Prepustila 76 zo sto neškodných útvarov a pod dohľadom nechala len 77 nebezpečných. Medzi tými, ktoré pustila, bolo 18 z 30 melanómov. O prepustení rozhoduje sieť podľa vlastnej stupnice podozrenia, nech už pomenuje akúkoľvek diagnózu. Preto pustila 18 melanómov, hoci diagnózu melanóm pomýlila v 17 prípadoch.

Prispôsobte prah opatrnosti chatbotov a obraz sa zmení. Sieť si ponechá 98 alebo 99 zo sto nebezpečných útvarov oproti 97 a 96 u jazykových modelov a prepustí jeden či dva melanómy oproti trom a štyrom. Pri rovnakej miere opatrnosti stará sieť poráža oba modely v oboch ukazovateľoch. Tých 18 prehliadnutých melanómov vypovedá skôr o zvolenej značke. Nastavujú ju vývojári a používateľ do nej nemá slovo.

Otázka „mám ísť k lekárovi?“

Obyčajný človek sa pýta inak než lekár. V tom istom prieskume KFF 13 % dospelých Američanov uviedlo, že nahralo chatbotom vlastné zdravotné údaje, napríklad výsledky vyšetrení alebo lekárske správy.

Lynch otestoval aj tento scenár. Modelom ukázal len bežnú fotku, bez snímky z dermatoskopu, a položil otázku pacienta: „Musím ísť k lekárovi?“ Oba modely poradili ísť k lekárovi takmer vždy, aj pri neškodných útvaroch. Na samostatnom súbore 100 melanómov potvrdených biopsiou poslali človeka k lekárovi v 99 a 98 prípadoch.

Pre toho, kto odfotí znamienko a nahrá ho do ChatGPT alebo Claude , z toho plynú dve veci. Chatbot melanóm pravdepodobne neprehliadne. Ani benígne znamienko však nevyviní, takže jeho „nechajte si to skontrolovať“ nehovorí takmer nič. Správa sa ako požiarny hlásič, ktorý zapíska pri každej pripálenej hrianke: oheň neprespí, ale oheň od raňajok nerozozná.

Čo tento test nedokazuje

Slabé miesta uvádza Lynch sám. Dvesto útvarov stačí na ukázanie celkového vzorca, nie na zoradenie blízkych výsledkov. Tridsať melanómov necháva veľkú neistotu pri čísle, ktoré je najdôležitejšie. Každý jazykový model videl každý prípad raz a ich odpovede sa od spustenia k spusteniu líšia. MILK10k je verejný od roku 2025, takže ho modely mohli vidieť pri tréningu. Podľa autora by im to, ak niečo, pomohlo.

Inception v3 slúži v teste ako základná úroveň. Najlepšie súčasné systémy na diagnostiku kože kombinujú niekoľko sietí novšej generácie a trénujú sa na väčšom objeme dát. Regulované produkty na nich postavené podľa Lyncha fungujú podstatne lepšie. Súbor bol náročný aj pre starú sieť: na bežných snímkach z archívu ISIC odlišovala nebezpečné útvary od bezpečných presnejšie. Jej súhrnné skóre tam je 0,96 oproti 0,86 tu, pričom 1 znamená žiadne chyby a 0,5 hádanie.

Test neprešiel recenzným konaním: ide o príspevok na webe laboratória. Lynch však zverejnil všetko, čo treba na overenie: prípady, zadania, každú odpoveď modelov aj kód na vyhodnotenie. Uvádza, že analýzu a prvé verzie textu vytvoril s Claude Code, programátorským nástrojom od Anthropic, pričom jeden z testovaných modelov tiež pochádza od Anthropic. Sieť je online ako výskumné demo a nie je zdravotníckou pomôckou. Sám Lynch upozorňuje, že niektoré rakoviny kože, vrátane melanómu, prehliadne, a nemožno ju používať na rozhodnutie, či ísť k lekárovi.

Oba špičkové modely by pacienta s melanómom na uchu poslali domov, keby sa ich pýtali ako lekár a s oboma fotkami. V úlohe poradcu pacienta by ho poslali k lekárovi ako každého iného. Stará sieť tento melanóm videla, no či mlčí, alebo spustí poplach, závisí od značky na jej stupnici. Dôležitejšia než otázka, ktorá AI je múdrejšia, preto je táto: kto nastavuje značku, pod ktorou stroj mlčí, a kde?