CNN de 10 anos supera LLMs de ponta no diagnóstico de câncer de pele

O teste foi desenhado pelo dermatologista Magnus Lynch, do Guy's Hospital e do King's College London. Ele usou 200 lesões da base pública MILK10k (International Skin Imaging Collaboration, 2025), todas confirmadas por histopatologia: 100 que não devem receber alta (30 melanomas, 25 carcinomas basocelulares, 25 espinocelulares e 20 queratoses actínicas) e 100 seguras para alta (50 nevos e 50 queratoses seborreicas). Cada lesão tem foto clínica e imagem dermatoscópica. Os LLMs receberam as duas imagens, sem contexto, e o mesmo prompt em configuração padrão. Nenhum recusou casos.

O adversário era um Inception v3 (Google, 2015), pré-treinado em fotos comuns e ajustado em todas as camadas com 68.011 imagens do arquivo ISIC, numa única GPU H100, em cerca de vinte minutos. As 200 lesões de teste, e qualquer outra foto da mesma lesão ou paciente, foram removidas do treino. Resultado: a CNN acertou 125 casos (62%), contra 84 e 85 (42%) de GPT-6 Astra e Claude Fable 5.1. Com segunda opção, 173 contra 134 e 138. Em melanoma, 13 de 30 contra 8 e 11. Os erros também diferem: o GPT-6 Astra chamou 75 lesões de carcinoma basocelular (eram 25), e o Claude Fable 5.1 chamou 53 de queratose actínica (eram 20). A CNN errou melanomas classificando-os como nevo ou queratose seborreica.

O autor lista limitações: amostra pequena (30 melanomas dão incerteza ampla), cada caso dos LLMs rodado uma vez, lesões todas biopsiadas (mais difíceis), possível contaminação da base nos LLMs e o fato de a Inception v3 ser só um baseline. Produtos regulados com ensembles de transformers de imagem rodam bem melhor. Num segundo teste, como paciente e só com a foto clínica, os LLMs recomendaram consultar médico em 99 e 98 de 100 melanomas, mas também em quase todas as lesões benignas. Ele declara ainda que a análise e os primeiros rascunhos usaram o Claude Code, e que um dos LLMs testados é da Anthropic.

A cobertura anterior do CEVIU traz um padrão parecido em outros domínios, sem ser o mesmo estudo. Em 30 de setembro de 2026, o CEVIU noticiou "Um Modelo Especializado Supera LLMs em Resolução de Identidade para Segurança", com um classificador especializado vencendo LLMs. Em 2 de setembro de 2026, "Pequenos Modelos de Linguagem Desafiam Gigantes da IA no Raciocínio" tratava de modelos menores se aproximando dos grandes. O caso de dermatologia estende a tese para visão médica, com a diferença de que aqui o modelo menor é uma CNN, não um modelo de linguagem.

Para quem avalia IA em saúde, o recado é checar o LLM generalista contra um baseline especializado barato antes de apostar nele. Vinte minutos de ajuste numa H100 bateram dois modelos de ponta, ainda que numa amostra pequena e com rodada única. Para quem opera produto, o comportamento "manda ver um médico para tudo" também tem custo, porque não discrimina o que é benigno.