CNN de uma década supera GPT-6 Astra e Claude Fable 5.1 em teste de câncer de pele de dermatologista

Uma versão ajustada do Inception v3, uma rede de imagens publicada pela Google em 2015, nomeou o diagnóstico correto para 62% de 200 lesões de pele comprovadas por biópsia, contra 42% para GPT-6 Astra e Claude Fable 5.1, em um teste do dermatologista londrino Magnus Lynch [1]. O estudo de autor único foi publicado em 25 de outubro de 2026 e não é revisado por pares [1].

Como o dermatologista configurou o teste?

Magnus Lynch, dermatologista do Guy's Hospital, testou dois LLMs de fronteira e uma CNN de uma década em 200 lesões de pele. Lynch é Consultant Dermatologist e Mohs Surgeon no Guy's Hospital e Honorary Reader no King's College London [1].

Ele selecionou aleatoriamente 200 lesões do MILK10k, um conjunto de dados público lançado pela International Skin Imaging Collaboration em 2025, cada uma mostrada como foto clínica e imagem dermatoscópica [1]. Metade não deve ser liberada (30 melanomas, 25 carcinomas basocelulares, 25 carcinomas de células escamosas, 20 queratoses actínicas), metade são pintas inofensivas e queratoses seborreicas [1].

Cada lesão foi biopsiada, o que torna o conjunto mais difícil que casos cotidianos, observa o autor [1]. Ambos os LLMs receberam o mesmo prompt em configurações padrão e tiveram que escolher um de seis diagnósticos, dar uma confiança e segunda escolha, e dizer se a lesão poderia ser liberada com segurança [1].

A CNN foi ajustada em 68.011 imagens do ISIC Archive em uma única GPU H100, com as 200 lesões de teste e todas as outras fotos das mesmas lesões ou pacientes removidas primeiro [1]. Lynch escreve que a rede foi ajustada por cerca de vinte minutos e é pequena o suficiente para rodar em um navegador de celular [1].

Qual modelo diagnosticou lesões de pele com mais precisão?

Inception v3 nomeou o diagnóstico correto para 125 de 200 lesões, contra 84 para GPT-6 Astra e 85 para Claude Fable 5.1. Permitindo uma segunda escolha, a CNN alcançou 173 de 200, contra 134 e 138 para os dois LLMs [1].

Nas 30 melanomas, a CNN nomeou 13 como primeira escolha, contra 8 para GPT-6 Astra e 11 para Claude Fable 5.1 [1]. Ficou uma a menos que GPT-6 Astra em carcinoma basocelular e atrás de ambos os LLMs em queratose actínica [1].

Os LLMs também mostraram respostas favoritas: GPT-6 Astra chamou 75 lesões de carcinoma basocelular quando 25 eram, incluindo 14 dos 30 melanomas, e Claude Fable 5.1 chamou 53 lesões de queratose actínica quando 20 eram [1].

A CNN também é mais segura ao decidir quem pode ir para casa?

Não em sua configuração padrão. A própria tabela de Lynch mostra que a CNN liberou 18 de 30 melanomas em seu limiar predefinido, contra 3 e 4 para os LLMs. Também liberou 76 das 100 lesões inofensivas, contra 32 e 22 para os LLMs, que mantiveram 97 e 96 das 100 lesões não seguras [1].

De acordo com a tabela do autor, quando o limiar da CNN é ajustado para o nível de cautela dos LLMs, ela manteve 98 ou 99 das 100 lesões não seguras e liberou 2 ou 1 melanomas [1]. Perguntado como paciente se precisavam ver um médico, ambos os LLMs disseram sim para 99 e 98 de mais 100 melanomas, e também para lesões inofensivas [1].

Quais são os limites do estudo?

Lynch lista as ressalvas ele mesmo: números pequenos, uma execução por caso de LLM, casos biopsiados excepcionalmente difíceis e possível contaminação de dados de treinamento para os LLMs [1]. Ele também enfatiza que o Inception v3 é uma linha de base, e que produtos regulados de câncer de pele construídos em modelos mais novos performam consideravelmente melhor [1].

Ele divulga que a análise e os primeiros rascunhos foram produzidos com Claude Code, a ferramenta de codificação da Anthropic, enquanto um dos dois LLMs testados também é da Anthropic [1]. A pontuação foi feita por script contra a histologia, e os casos, prompts e respostas são publicados para download [1].

Nossa leitura

Opinião: O mais impressionante não é que um modelo estreito supere chatbots gerais no reconhecimento de lesões, mas como os perfis de erro são desequilibrados: os LLMs superdiagnosticam câncer e mantêm quase todos, enquanto a CNN ajustada em sua configuração padrão liberaria a maioria dos melanomas. Precisão e triagem segura são pontuações diferentes, e este pequeno teste não revisado é um lembrete para relatar ambas.

O que não pudemos verificar

• Os resultados vêm de uma postagem de blog de autor único publicada em 25 de outubro de 2026 e não foram revisados por pares; não reexecutamos os casos, prompts ou código de pontuação publicados.
• Se a classificação se mantém em outras lesões ou em execuções repetidas; cada caso de LLM foi executado uma vez, as respostas variam entre execuções, e o autor diz que 200 lesões não podem classificar resultados próximos.
• Se GPT-6 Astra ou Claude Fable 5.1 viram as imagens do MILK10k no treinamento; o conjunto de dados é público desde 2025 e o autor sinaliza contaminação como possível.
• Como a CNN se compara com produtos regulados de câncer de pele; o autor diz que sistemas de última geração performam consideravelmente melhor que sua linha de base Inception v3, mas eles não foram testados.