2015-yilgi neyron tarmoq teri saratonini tanishda GPT-6 va Claude’dan oldinga oʻtdi

Melanoma bemorning qulogʻida joylashgan. U yupqa, ammo teri ichiga qarab oʻsa boshlagan. Dermatolog Magnus Linch uning ikkita suratini 2026-yil oktyabrida mavjud eng qudratli ikki sunʼiy intellekt modeliga — GPT-6 Astra va Claude Fable 5.1 ga koʻrsatdi. Ikkalasi bir xil javob berdi: seboreyali keratoz, zararsiz soʻgalsimon oʻsimta, uyga yuborsa boʻladi. Soʻng xuddi shu suratlar Google muhandislari hali 2015-yilda tasvirlab bergan neyron tarmoqqa berildi. U bu hosilani melanoma deb atadi.

Bu tasodif emas. 2026-yil 25-oktyabrda eʼlon qilingan testda eski Inception v3 tarmogʻi 200 ta hosilaning 125 tasi, yaʼni 62 foizi uchun toʻgʻri tashxis qoʻydi. Ikkala ilgʻor model esa 42 foizga erishdi. Muallifning aytishicha, eski tarmoqni teri suratlarida qayta oʻqitish taxminan yigirma daqiqa oldi. Testning eng qiziq joyi aniqlik balidan narida: har bir mashina oʻzicha xato qiladi, va aynan shu kimning saraton bilan uyiga yuborilishini hal qiladi. Bu endi akademik savol emas. 2026-yil 24-fevraldan 2-martgacha oʻtkazilgan KFF soʻrovida amerikalik kattalarning 32 foizi oxirgi yil ichida sogʻligʻi haqida AI-chatbotlardan soʻraganini aytdi, va bunday chatda xolning suratini yuklash hozir hech kimni hayratga solmaydi.

Allaqachon kesib olingan ikki yuzta xol

Linch — Londondagi Guy’s kasalxonasining konsultant dermatologi va Mos jarrohi, King’s College London’ning faxriy ilmiy xodimi. Uning tadqiqotlari teri saratoni va dermatologiyada AIdan foydalanishga bagʻishlangan, shuning uchun testni klinitsist sifatida tuzdi. Suratlarni u 2025-yilda Xalqaro teri tasviri hamkorligi (ISIC) orqali chiqarilgan ochiq maʼlumotlar toʻplami MILK10k dan oldi. Undagi har bir hosila ikki marta suratga olingan: bir marta oddiy yaqin planda, bir marta dermatoskop orqali.

Linch 200 ta hosilani tasodifiy tanladi. Har birining tashxisi gistologiya bilan tasdiqlangan, yaʼni olib tashlangan toʻqima mikroskop ostida koʻrilgan. Hosilalarning yuztasini uyga yuborib boʻlmaydi: 30 ta melanoma, 25 ta bazal hujayrali karsinoma, 25 ta yassi hujayrali karsinoma va 20 ta aktinik keratoz — rakka aylanishi mumkin boʻlgan, quyoshdan zararlangan dagʻal dogʻlar. Qolgan yuztasi xavfsiz: 50 ta oddiy xol va 50 ta seboreyali keratoz.

Bazal hujayrali va yassi hujayrali karsinomalar teri saratonining eng keng tarqalgan turlari boʻlib, Cancer Research UK taʼkidlaganidek, ular tananing boshqa qismlariga kamdan-kam tarqaladi. Bu testda eng muhim chegara — melanoma. Uni oʻtkazib yuborish eng yomon xato, shuning uchun melanomani bazal hujayrali karsinoma bilan adashtirish kichikroq yomonlik hisoblanadi: bemor baribir shifokor nazoratida qoladi.

Bir ilinj bor, uni muallifning oʻzi ham aytadi. Toʻplamdagi zararsiz hosilalar ham kesib olinib, laboratoriyaga yuborilgan. Agar kimdir xolni olib tashlashga qaror qilgan boʻlsa, demak unda klinitsistni bezovta qilgan nimadir boʻlgan. Shunday qilib, test eng qaltis xollar — mutaxassislarni ham oʻylantiradigan xollar bilan toʻla.

Modellar ikkala suratni oldi va ularga shifokor beradigan savollar berildi: oltita tashxisdan qaysi biri ehtimoliy, ular qanchalik ishonchli, ikkinchi tanlovi nima va bemorni davolash, biopsiya yoki kuzatuvsiz uyga yuborsa boʻladimi. Birorta model birorta holatdan bosh tortmadi.

SI-dermatologni boshlab bergan tarmoq

Inception v3 tibbiyot uchun yaratilmagan. 2015-yil dekabridagi maqolada Google muhandislari uni suratlardagi kundalik buyumlarni tanish uchun tarmoq sifatida taqdim etgan. Bu konvolyutsion neyron tarmoq: u tasvirni kichik “oynalar” orqali koʻrib chiqadi va chekka, dogʻ kabi mayda tafsilotlarni tobora kattaroq shakllarga yigʻadi.

2017-yil yanvarida Stanford jamoasi uni qoʻlga oldi. Ular tarmoqni 2032 ta kasallikni qamrab olgan 129 450 ta teri tasvirida qayta oʻqitdi va Nature’da maʼlum qildi : biopsiya bilan tasdiqlangan tasvirlarda u saratonni zararsiz hosilalardan 21 nafar sertifikatlangan dermatolog kabi yaxshi ajratadi. Mualliflar smartfondagi bunday tarmoq dermatolog imkoniyatini klinikadan tashqariga olib chiqishi mumkin, deb taxmin qilishdi.

Linch xuddi shu arxitekturani oldi va uni bitta videokartada ISIC Archive dagi 68 011 ta tasvirda qayta oʻqitdi. 200 ta test hosilasini, shuningdek ayni shu hosilalar yoki bemorlarning boshqa barcha suratlarini u oldindan oʻqitish maʼlumotlaridan olib tashladi, shuning uchun tarmoq ularni hech koʻrmagan. Eng yangi til modellari kod yozadi, shartnomalarni tekshiradi va xohlagan mavzuda suhbatlashadi. Xollarni tanishda esa ular oʻn yil oldingi tor mutaxassisga yutqazdi.

Har bir katta modelning sevimli javobi bor

Farq eng katta boʻlgan joy — zararsiz hosilalar. GPT-6 Astra 50 ta xolning faqat 16 tasini, Claude Fable 5.1 esa 50 ta seboreyali keratozning faqat 6 tasini tanidi, tarmoq esa 37 va 26 tasini topdi. Chatbotlar aynan tegmasa ham boʻladigan narsani tanishda eng zaif. Melanoma boʻyicha raqamlarning birortasi ham taassurot qoldirmaydi, bu qiyin toʻplamning halol manzarasi.

Yomoni, har bir til modelining sevimli javobi bor edi. Toʻplamda 25 ta bazal hujayrali karsinoma boʻlsa, GPT-6 Astra 75 ta hosilani shunday deb atadi, va 30 ta melanomaning 14 tasi shu uyumga tushdi. Bunday bemor baribir shifokor yonida qolardi: melanoma boshqa saraton bilan adashtirilgan. Haqiqiy 25 ta bazal hujayrali karsinomaning hammasini u toʻgʻri topdi, tarmoq esa 24 tasini — bitta kam. Bu mukammal natija odatning yon taʼsiri: har uchinchi hosilani bazal hujayrali karsinoma desang, haqiqiylaridan birortasi ham oʻtib ketmaydi. Claude Fable 5.1 haqiqiy 20 ta oʻrniga 53 holatda aktinik keratoz koʻrdi. Aynan shu keratozlarda eski tarmoq ikkala modelga yutqazdi: 20 tadan 9 tasi, modellarda esa 10 va 12 ta. Yana bir misolda GPT-6 Astra pigmenti juda kam melanomani bazal hujayrali karsinoma deb adashtirdi va ishonchini 95 foiz qilib belgiladi.

Tarmoqning melanomadagi xatolari teskari tomonga ketdi. Uning 17 ta xatosidan 8 tasida melanomani xol, 6 tasida seboreyali keratoz deb atadi — ikkalasi ham tegmasa boʻladigan narsalar. Bunday tashxis bilan odamni uyga yuborish oson.

Hammasi chegaraga bogʻliq

Shifokorga koʻpincha “bu nima” degan savoldan soddaroq savolga javob kerak: odamni uyga yuborish yoki yoʻq. Tarmoq bunga 0 dan 1 gacha boʻlgan son bilan javob beradi: hosila qanchalik xavfli koʻrinishini bildiradi. Chegara — shu shkaladagi belgi, undan yuqorida tarmoq “tekshirtiring” deydi. Belgini pasaytirsangiz, signal koʻpayadi. Koʻtarsangiz, tarmoq koʻproq odamni uyga yuboradi.

Til modellari 100 ta xavfli hosilaning 97 va 96 tasini nazoratda saqladi. 30 ta melanomaning 3 va 4 tasini ular uyga yuborgan boʻlardi. Ammo zararsiz hosilalarni ham kam qoʻyib yubordi: 100 tadan 32 va 22 tasini. Qolgan har bir xavfsiz xolli odam keraksiz qabulga yoki biopsiyaga yuborilgan boʻlardi.

Eski tarmoqning chegarasi boshqa suratlarda oldindan belgilangan va bu 200 holatga moslab sozlanmagan. Shu chegara bilan tarmoq boshqacha ishladi. U 100 ta zararsiz hosilaning 76 tasini uyga yubordi va xavfli hosilalarning faqat 77 tasini nazoratda saqladi. Qoʻyib yuborilganlar orasida 30 ta melanomaning 18 tasi bor edi. Tarmoq qaysi tashxisni atashidan qatʼi nazar, uyga yuborish haqidagi qarorni oʻzining shubha shkalasi boʻyicha chiqaradi. Shuning uchun u melanoma tashxisini 17 holatda xato qilgan boʻlsa-da, 18 ta melanomani qoʻyib yubordi.

Chegarani chatbotlarning ehtiyotkorligiga moslang — manzara oʻzgaradi. Tarmoq 100 ta xavfli hosilaning 98 yoki 99 tasini nazoratda saqlaydi, til modellarida esa 97 va 96, va uchta-toʻrtta oʻrniga bitta-ikkita melanomani uyga yuboradi. Bir xil ehtiyotkorlik darajasida eski tarmoq ikkala modelni ikkala koʻrsatkich boʻyicha yengadi. 18 ta oʻtkazib yuborilgan melanoma tanlangan belgi haqida koʻproq gapiradi. Uni ishlab chiquvchilar belgilaydi, foydalanuvchi esa bunga taʼsir qila olmaydi.

“Shifokorga borishim kerakmi?” savoli

Oddiy odam shifokordan boshqacha soʻraydi. Xuddi shu KFF soʻrovida amerikalik kattalarning 13 foizi oʻzining tibbiy maʼlumotlarini, masalan tahlil natijalari yoki shifokor yozuvlarini chatbotlarga yuklaganini aytdi.

Linch bu stsenariyni ham sinadi. U modellarga faqat oddiy suratni, dermatoskop tasvirisiz koʻrsatdi va bemor savolini berdi: “Shifokorga borishim kerakmi?” Ikkala model deyarli har safar shifokorga borishni maslahat berdi, zararsiz hosilalarda ham. Biopsiya bilan tasdiqlangan 100 ta melanomadan iborat alohida toʻplamda ular odamni 99 va 98 holatda shifokorga yubordi.

Xolini suratga olib ChatGPT yoki Claude ga yuklaydigan kishi uchun bundan ikki xulosa chiqadi. Chatbot, ehtimol, melanomani oʻtkazib yubormaydi. Lekin zararsiz xolni ham oqlamaydi, shuning uchun uning “tekshirtiring” deganidan deyarli hech narsa bilib boʻlmaydi. U har kuygan non boʻlagida chalinadigan tutun signalizatsiyasiga oʻxshaydi: yongʻinni uxlab qolmaydi, ammo yongʻinni nonushtadan ajrata olmaydi.

Bu test nimani isbotlamaydi

Linchning oʻzi zaif joylarni sanab oʻtadi. Ikki yuzta hosila umumiy qonuniyatni koʻrsatishga yetadi, ammo yaqin natijalarni saralashga yetmaydi. Oʻttizta melanoma eng muhim koʻrsatkichda katta noaniqlik qoldiradi. Har bir til modeli har bir holatni bir marta koʻrdi, ularning javoblari esa har ishga tushirishda oʻzgaradi. MILK10k 2025-yildan beri ochiq, shuning uchun modellar uni oʻqitish paytida koʻrgan boʻlishi mumkin. Muallif fikricha, bu bo‘lsa ularga yordam bergan bo‘lardi.

Testda Inception v3 asos chizigʻi sifatida xizmat qiladi. Teri tashxisining hozirgi eng yaxshi tizimlari yangi avlod bir nechta tarmoqni birlashtiradi va koʻproq maʼlumotda oʻqitiladi. Linchning aytishicha, ular asosidagi tartibga solinadigan mahsulotlar sezilarli darajada yaxshiroq ishlaydi. Toʻplam eski tarmoq uchun ham qiyin edi: oddiy ISIC Archive tasvirlarida u xavfli va xavfsiz hosilalarni aniqroq ajratgan. Uning u yerdagi umumiy bali 0,96, bu yerda esa 0,86; bunda 1 — xatosiz, 0,5 — taxmin qilish degani.

Test ekspert tekshiruvidan (peer review) oʻtmagan: bu laboratoriya saytidagi post. Evaziga Linch tekshirish uchun kerak boʻlgan hamma narsani eʼlon qildi: holatlar, promptlar, modellarning har bir javobi va baholash kodi. U tahlil va dastlabki qoralamalar Anthropic’ning dasturlash vositasi Claude Code yordamida tayyorlanganini bildiradi, sinalgan modellardan biri ham Anthropic’dan. Tarmoq tadqiqot demosi sifatida onlayn mavjud va tibbiy qurilma emas. Linchning oʻzi ogohlantiradi: u baʼzi teri saratonlarini, jumladan melanomani ham oʻtkazib yuboradi va shifokorga borish yoki bormaslikni hal qilish uchun ishlatilmasligi kerak.

Qulogʻida melanomasi bor bemorni ikkala ilgʻor model shifokor sifatida, ikkala surat bilan soʻralganda uyga yuborgan boʻlardi. Bemorning maslahatchisi sifatida esa uni hamma kabi shifokorga yuborgan boʻlardi. Eski tarmoq bu melanomani koʻrdi, ammo u jim turadimi yoki tashvish signalini beradimi, shkaladagi bir belgiga bogʻliq. Shuning uchun qaysi SI aqlliroq degan savoldan muhimroq savol shu: mashina jim turadigan belgini kim va qayerda qoʻyadi?