10年前のCNNが皮膚がん診断で最先端のLLMを上回る

何が起きたか

筆者は、皮膚の写真2種類（普通の近距離写真と、皮膚用の拡大鏡で撮った写真）をAIに見せて、病変の種類を当てさせました。2つの最新LLMは、皮膚がんの一種であるメラノーマを「良性のイボ状の できもの」と判断し、帰宅させてよいと答えました。一方、古いCNNは正しくメラノーマと答えました。

主な数字

• テストした病変は200個。すべて生検（組織を取って調べる検査）で診断が確定しているものです。
• CNNの正解率は125個、62%でした。
• 2つのLLMの正解率は84個（42%）と85個（42%）でした。
• 候補は6つの診断名から選ばれました。
• CNNは学習に約20分しかかけていません。

実験の背景

テストに使われた画像は、2025年に公開された一般向けデータセット「MILK10k」からとられました。この中には、皮膚科医が使う拡大鏡で撮った画像があります。CNNは2015年に発表された古いモデルで、公開されている皮膚科の画像で追加学習させています。筆者は、わざと最新ではないモデルを使ったと書いています。

なぜ大事なのか

最新のAIが、医師の判断を助けるほど十分に強いとは限らない、ということを示しています。皮膚がんを見落とすと、患者さんの命に関わることがあります。AIを医療で使うときは、どのAIが、どんな条件で正しいのかを確かめることが大切です。

今後注目すべき点

• 同じ実験が他のデータや別の病院の画像でも同じ結果になるか。
• LLMが皮膚科の画像に合わせて改良されたとき、正解率がどう変わるか。
• 医師の判断とAIを組み合わせると、見落としが減るか。