研究比較，不是看診建議
英國皮膚科顧問醫師 Dr Magnus Lynch（Guy's Hospital／King's College London）在 2026 年 10 月 25 日發表實驗：把 GPT-6 Astra、Claude Fable 5.1 與一個約十年的 Inception v3 CNN，拿來辨識同一批皮膚病灶。
結論很刺眼：在 200 個病理證實病灶上，CNN 第一選擇正確 125／200（62%），兩個前沿 LLM 分別 84 與 85（約 42%）。本文只整理這項研究比較，不能當作診療、篩檢或出院建議。
病灶影像來自 MILK10k（ISIC，CC BY-NC）。基於非商業授權限制，封面未使用病灶原圖，改以示意插圖；正文截圖為研究文頁面。
200 例怎麼抽、怎麼問
語料：MILK10k 公開資料，每例有臨床近拍＋皮膚鏡圖。隨機抽 200 例，皆經組織病理確認：
- 不該出院 100：黑色素瘤 30、基底細胞癌 25、鱗狀細胞癌（含 Bowen）25、日光性角化 20
- 可安全出院 100：良性痣 50、脂溢性角化 50
因連良性都做過切片，整體偏「臨床已擔心」的難題。LLM 收到兩張圖與同一提示（六選一或 unsure、信心、第二選擇、能否安全出院）；CNN 用 ISIC 公開影像微調約二十分鐘（單卡 H100），訓練前剔除這 200 例及同病灶／同病患所有照片。
數字對照表
| 指標 | GPT-6 Astra | Claude Fable 5.1 | CNN（Inception v3） |
|---|---|---|---|
| 第一選擇正確（／200） | 84（42%） | 85（42%） | 125（62%） |
| 第一或第二選擇正確 | 134 | 138 | 173 |
| 黑色素瘤第一選擇（／30） | 8 | 11 | 13 |
| 不安全病灶被留下（／100） | 97 | 96 | 預設閾值 77；對齊後可 98 或 99 |
| 安全病灶被出院（／100） | 32 | 22 | 預設閾值 76 |
| 黑色素瘤被出院（／30） | 3 | 4 | 預設閾值 18；對齊後 2 或 1 |
CNN 在無害病灶辨識差距最大（痣 37／50、脂溢性角化 26／50）。LLM 常有「最愛答案」：Astra 把 75 例叫成基底細胞癌（實際 25），Fable 把 53 例叫成日光性角化（實際 20）。
限制寫得很清楚
作者自列：樣本小、黑色素瘤僅 30 例不確定性大；LLM 每例只跑一次；皆為已切片難題；MILK10k 自 2025 公開，LLM 理論上 可能看過（若有只會幫忙 LLM）；Inception v3 只是基線，臨床監管產品通常更好。另以病患口吻只問「要不要看醫生」時，兩 LLM 幾乎對所有病例（含無害）都建議就醫。
本文建議：做醫學影像產品時，專用視覺模型仍可能勝過「通用多模態聊天」；引用時務必附 caveats，且不要把任何模型輸出當成診斷。完整案例、提示與程式在作者提供的下載包。
