10년 된 CNN, 피부암 진단에서 최첨단 LLM보다 높은 성능 기록

조직검사로 확인한 피부 병변 200개를 6개 진단으로 분류하는 시험에서 Inception v3 기반 CNN은 125개(62%), GPT-6 Astra와 Claude Fable 5.1은 각각 84개와 85개(42%)를 맞힘 CNN은 공개 피부과 이미지로 약 20분간 미세 조정했으며, 시험 병변뿐 아니라 같은 병변이나 환자의 다른 사진도 학습 및 검증 데이터에서 제외함 진단 정확도와 안전한 진료 종료 판단은 달랐음. 기본 임계값에서 CNN은 흑색종 30개 중 18개를 진료 종료 대상으로 판단했지만, GPT-6 Astra는 3개, Claude Fable 5.1은 4개를 그렇게 판단함 LLM은 특정 진단을 과도하게 선택했고, CNN은 놓친 흑색종을 양성 병변으로 오인하는 경향이 있었음. CNN도 기저세포암에서는 GPT-6 Astra보다, 광선각화증에서는 두 LLM보다 뒤처짐 소규모의 어려운 사례 집합을 대상으로 LLM을 사례당 한 번만 실행한 결과임. Inception v3는 최신 피부암 AI가 아닌 기준 모델이며, LLM의 시험 데이터 학습 여부도 확인되지 않음 시험 대상과 입력 조건 피부과 전문의가 MILK10k에서 조직병리로 확진한 병변 200개를 무작위 추출해 비교함 MILK10k는 International Skin Imaging Collaboration을 통해 2025년 공개됐으며, 각 병변에 임상 근접 사진과 피부확대경 사진이 있음 치료, 생검, 추적 관찰 없이 진료를 종료해서는 안 되는 병변 100개는 흑색종 30개, 기저세포암 25개, Bowen병을 포함한 편평세포암 25개, 광선각화증 20개로 구성됨 진료를 종료해도 되는 병변 100개는 양성 모반 50개와 지루각화증 50개로 구성됨 양성 병변도 모두 생검을 거친 사례임. 임상의가 우려해 절제한 모반이 포함돼 있어 일반적인 병변보다 진단이 어려운 집합임 GPT-6 Astra와 Claude Fable 5.1에는 두 이미지 외의 정보를 주지 않고 동일한 프롬프트와 기본 설정을 적용함 6개 진단 중 가장 가능성 높은 진단 또는 “unsure”, 확신도, 두 번째 진단 후보를 요청함 치료, 생검, 추적 관찰 없이 안전하게 진료를 종료할 수 있는지도 물었으며, 두 모델 모두 답변을 거부한 사례는 없었음 두 모델은 2026년 10월 기준으로 사용 가능한 최상위권 AI 모델임 CNN 학습과 실행 방식 Inception v3는 Google이 2015년 처음 발표한 구...