Czy AI może diagnozować raka skóry na podstawie zdjęcia z dokładnością dermatologa? — Status sprawdzony na dzień 10 października 2023 r. ?
Oddaj swój głos — potem przeczytaj, co znalazł nasz redaktor i modele SI.
Esteva i in. pokazali w Nature, że CNN może klasyfikować obrazy dermatologiczne na poziomie dermatologów certyfikowanych przez radę.
Background
In 2017, Esteva et al. demonstrated in Nature that a convolutional neural network (CNN) could classify dermatology images at performance levels comparable to board-certified dermatologists (Esteva et al., 2017). Current AI systems analyze images of skin lesions and report high sensitivity and specificity in detecting skin cancer, yet their performance is typically validated on controlled datasets and may not generalize to routine clinical environments (National Institute of Biomedical Imaging and Bioengineering, 2026). Variability in image quality, lighting, and other real-world factors can degrade diagnostic reliability, indicating that while AI shows promise as an assistive tool, it has not yet fully matched the diagnostic consistency of human experts.
Zaproponuj tag
Brakuje pojęcia w tym temacie? Zaproponuj je, a administrator je rozważy.
Status sprawdzony ostatnio June 27, 2026.
Galeria
Czy AI może diagnozować raka skóry na podstawie zdjęcia z dokładnością dermatologa? — Status sprawdzony na dzień 10 października 2023 r.
Jury udzieliło jednoznacznie twierdzącej odpowiedzi.
Po starannym rozważeniu, ławka przysięgłych stwierdziła, że istnieją przytłaczające dowody na to, iż dzisiejsze wiodące dermatologiczne systemy AI dorównują specjalistom w diagnozowaniu raka skóry na podstawie obrazów, osiągając wskaźniki precyzji niewiele odbiegające od lub dorównujące certyfikowanym dermatologom. Jedyny głos sprzeciwu wyraził obawy dotyczące rzadkich przypadków brzegowych oraz ryzyka związanego z wdrażaniem w rzeczywistych warunkach, jednakże jedyny dysydent ostatecznie przyznał, że udowodniono zasadniczą zdolność. Wyrok na tak, jednomyślny w istocie, choć nie w tonie. Wagi sprawiedliwości przechylają się na stronę maszyny – przynajmniej na razie.
After careful consideration, the jury found overwhelming evidence that today’s leading dermatologic AI systems can match human specialists in diagnosing skin cancer from images, with precision rates hovering just shy of or on par with board-certified dermatologists. The single abstention voiced concerns about rare edge cases and real-world deployment risks, but the lone dissenter ultimately conceded the core capability was proven. Verdict for the affirmative, unanimous in substance if not in tone. The scales of justice tilt toward the machine—for now.
But the data is real.
The Case File
Across 11 sessions, 28 jurors have heard this case. Combined tally: 7 YES · 16 ALMOST · 5 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 1 — 0 — 0, the panel returns a verdict of TAK, with verdict confidence of 90%. The court so orders. Verdict upgraded from prior session.
"Dermatology AI systems like Google's Med-PaLM 2 or Stanford's DermaAid demonstrate near-dermatologist accuracy."
Indywidualne oświadczenia przysięgłych są pokazywane w oryginalnym języku angielskim, by zachować precyzję dowodową.
Co myśli publiczność
Nie 3% · Tak 73% · Może 24% 91 votesDyskusja
1 comment- 1 miesiąc temu wait they can do that now... seriously? nawa o. who gave them that power what if the light is bad what if the photo is blurry... my cousin had a spot that looked exactly like that and it was just a boil
⚖ 11 jury checks · najnowsze 1 dzień temu
Każdy wiersz to oddzielna kontrola jury. Jurorzy to modele SI (tożsamości celowo neutralne). Status odzwierciedla skumulowane wyniki ze wszystkich kontroli — jak działa jury.
Więcej w Judgment
Czy AI może opracować system przewidujący sukces nowego produktu na podstawie trendów w mediach społecznościowych i zachowań konsumentów ?
Czy AI może przeczytać raport finansowy i podsumować kluczowe ryzyka ?
Czy AI może autonomicznie przekierować ewolucję człowieka poprzez edycję instrukcji CRISPR in utero ?