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 August 9, 2026.
Galeria
Czy AI może diagnozować raka skóry na podstawie zdjęcia z dokładnością dermatologa? — Status sprawdzony na dzień 10 października 2023 r.
Istnieją wąskie dema — ale skład nie był jednomyślny.
Ława przysięgłych doszła do prawie jednogłośnej decyzji, że sztuczna inteligencja może diagnozować raka skóry na podstawie zdjęć z dokładnością porównywalną do wyszkolonych dermatologów w kontrolowanych środowiskach, choć nadal istnieją obawy dotyczące zmienności w rzeczywistych warunkach oraz zabezpieczeń regulacyjnych. Dwóch członków ławy przysięgłych zauważyło obiecujące możliwości tej technologii w idealnych warunkach testowych, podczas gdy jeden upierał się, że dowody spełniają ustalone kryteria – co doprowadziło do większościowego stanowiska, że „prawie się udało”. Orzeczenie: „Diagnoza postawiona, ale pacjent nadal potrzebuje drugiej opinii.”
The jury reached a near-unanimous decision that artificial intelligence can diagnose skin cancer from photographs with accuracy rivaling trained dermatologists in controlled environments, though concerns lingered about real-world variability and regulatory safeguards. Two jurors noted the technology’s promise in idealized test settings, while one insisted the evidence met established benchmarks—leading to a majority leaning on “almost there.” Ruling: “Diagnosis delivered, but the patient still needs a second opinion.”
But the data is real.
The Case File
Across 19 sessions, 39 jurors have heard this case. Combined tally: 11 YES · 23 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 — 2 — 0, the panel returns a verdict of PRAWIE, with verdict confidence of 85%. The court so orders.
"AI achieves high accuracy in controlled datasets"
"AI systems like DeepDerm and Google's dermatology model match dermatologist accuracy in controlled studies"
"AI systems show high accuracy in controlled studies"
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- 3 miesiące 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
⚖ 19 jury checks · najnowsze 3 dni 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 zaprojektować sprawiedliwy i bezstronny algorytm, który oceni kandydatów na stanowisko pracy na podstawie ich kwalifikacji i doświadczenia ?
Czy AI może przeczytać umowę i wyczuć pułapkę ?
Czy AI może stworzyć uniwersalną skalę natężenia bólu w oparciu o indywidualne postrzeganie bólu ?