Дерматолог Магнус Линч сравнил GPT-6 Astra, Claude Fable 5.1 и дообученную свёрточную нейросеть Inception v3 на 200 кожных образованиях с диагнозами, подтверждёнными биопсией. Участникам теста нужно было выбрать правильный диагноз из шести вариантов. CNN дала верный ответ в 125 случаях из 200, модели GPT и Claude — в 84 и 85 случаях соответственно.

В одном из приведённых примеров обе языковые модели приняли меланому на ухе за доброкачественный себорейный кератоз и рекомендовали не направлять пациента на дальнейшее обследование. Результаты показывают различия не только в общей точности, но и в типах ошибок, допущенных системами.

Выводы ограничены размером и составом выборки, а также условиями тестирования. Исследование не устанавливает, как модели будут работать в повседневной клинической практике, однако подчёркивает необходимость осторожности при использовании ИИ для оценки кожных образований.