皮肤癌诊断，十年前的 CNN 赢了两个前沿大模型

一个 2015 年的老网络，微调二十分钟，在皮肤癌识别上把两个最强的通用大模型甩开二十个百分点。这不是实验室花边，而是一位专科医生的实测。

一、发生了什么

伦敦一位皮肤科顾问医生 Magnus Lynch 在个人网站上发布了这项对比测试，时间是 10 月 25 日。他从 2025 年公开的一个皮肤病影像数据集里随机抽了 200 个皮损，每一个都做过活检、有病理金标准，其中一半是不该放走的危险皮损——30 个黑色素瘤、基底细胞癌、鳞状细胞癌等，另一半是痣和脂溢性角化这类可以放心的。

三个选手回答同样的六选一诊断题。结果：微调过的老卷积网络 Inception v3 答对 125 个，命中率 62%；两个 2026 年 10 月最前沿的大模型各答对 84 和 85 个，都只有 42%。算上第二选择，CNN 对 173 个，大模型只有 134 和 138。

更扎眼的是放走率：按各自阈值，CNN 错误放行了 18 个黑色素瘤，两个大模型只放走 3 到 4 个——但代价是大量危险皮损被它们当成良性建议出院。大模型还各有「心头好」：一个把 75 个皮损都判成基底细胞癌（真实只有 25 个），另一个偏爱光化性角化病。作者还试了另一种问法：以患者身份只给临床照片、问「我需要看医生吗」，两个大模型在绝大多数情况下都建议就医，包括无害皮损——保守得近乎没区别，作为分诊提示倒也算安全。

测试方法上有几点增加了可信度：CNN 训练时剔除了全部测试皮损及同一患者的照片；评估用脚本对照病理结果，不靠模型互评；原始提示、全部回复和评分代码一并公开，CNN 还小到能在手机浏览器里跑。

二、跟你有什么关系

如果你是医生，别用通用大模型替代皮肤镜检查流程，至少这轮证据说明通用模型在皮损影像上不可靠。

如果你是患者，用 AI 问「我需要看医生吗」这类问题可以，两个大模型在这种问法下几乎都建议就医；但拿它判断「这个痣没事」很危险。

如果你是 AI 从业者，这是「专用小模型 vs 通用大模型」的又一组实测：任务越窄、数据越规整，专用模型的优势越稳。

三、怎么判断

1. 看任务窄不窄。影像分类这种输入输出都固定的任务，专用模型依然是最优解。
2. 看测试是否独立。这项测试来自个人博客，未经同行评审，样本 200 个、每个案例只跑一次，方向可信，具体名次存疑。
3. 看数据有没有泄漏。数据集公开了一年多，大模型训练时可能见过它——就算见过还是输了，反而更能说明问题。

四、三个别信的说法

错误说法一：模型越大诊断越准。 通用能力和特定任务表现是两回事，参数量救不了没对齐的影像判断。

错误说法二：大模型见了数据还不算作弊。 不能确定它们没见过这批公开图像，唯一确定没见过的是那个 CNN。

错误说法三：这证明 CNN 可以直接上岗。 作者自己强调它只是基线，正规获批的皮肤癌 AI 用的是更大的集成模型，表现远好于此。

五、一句话结论

在窄任务上，一个便宜的专用模型仍然能击败通用旗舰，前提是你肯为这个任务微调二十分钟。

信息来源

• A 10-year-old CNN outperforms frontier LLMs（Lynch Lab 博客）（2026-10-25）

功能与价格以官方公告为准。本文写于 2026 年 10 月 26 日。