10년 된 CNN, 피부암 진단에서 GPT-6·클로드를 앞질렀다

영국 런던 가이스병원(Guy's Hospital)의 피부과 전문의이자 모스 수술 전문의 매그너스 린치(Magnus Lynch)가 10월 25일 자신의 연구실 블로그에 실험 결과를 올렸다. 구글이 2015년 처음 공개한 합성곱 신경망(CNN) 인셉션 v3(Inception v3)를 약 20분 미세조정한 모델이 최상위 범용 AI인 GPT-6 아스트라와 클로드 페이블 5.1보다 피부암을 훨씬 잘 가려냈다는 내용이다.

무슨 일인가

시험 문제는 국제피부영상협력체(ISIC)가 2025년 공개한 데이터셋 MILK10k에서 무작위로 뽑은 병변 200건이다. 양성 병변까지 모두 조직검사로 진단이 확정된 사례다. 구성은 흑색종 30, 기저세포암 25, 편평세포암(보웬병 포함) 25, 광선각화증 20, 모반(점) 50, 지루각화증 50건이다. 세 모델은 각 병변이 이 여섯 진단 중 무엇인지 골라야 했다. 린치는 GPT-6 아스트라와 클로드 페이블 5.1을 “2026년 10월 현재 가장 유능한 AI 모델 두 종”이라고 소개했다.

세부 내용

CNN은 ISIC 아카이브의 더모스코피·임상 사진 6만 8,011장으로 모든 층을 다시 학습시켰고, H100 GPU 한 장으로 약 20분이 걸렸다. 시험용 200건은 물론 같은 병변·같은 환자의 다른 사진도 학습 데이터에서 모두 뺐다. 두 LLM에는 기본 설정에서 같은 프롬프트를 주고 가장 유력한 진단, 확신도, 차선 진단 등을 답하게 했다. 답변을 거부한 사례는 없었다.

CNN은 125건(62%)을 맞혔고 GPT-6 아스트라는 84건, 클로드 페이블 5.1은 85건(각 42%)에 그쳤다. 가장 위험한 흑색종 30건에서도 CNN은 13건을 정확히 짚었고 두 LLM은 8건과 11건이었다. 틀리는 방식도 달랐다. GPT-6 아스트라는 실제 25건인 기저세포암을 75건이라고 답했고, 그 안에 흑색종 14건이 섞여 있었다.

왜 중요한가

범용 LLM이 의료 영상까지 두루 잘하는 것처럼 보이지만, 좁고 위험한 과제에서는 오래된 전용 모델이 여전히 강하다는 점을 조직검사 확진 데이터로 보여 준 사례다. 린치의 결론도 “작고 오래된 전문 신경망이 최신 LLM 두 종보다 피부 병변을 훨씬 잘 알아본다”였다. 그는 인셉션 v3를 일부러 최신이 아닌 기준선으로 골랐다고 밝혔다. 최신 전용 모델과 비교하면 격차가 더 커질 수 있다는 뜻이다. 피부 사진을 범용 챗봇에 올려 진단을 묻는 사람이 늘어나는 상황에서 새겨들을 대목이다. GPU 한 장으로 20분 만에 끝낸 미세조정이 이 과제에서 범용 최상위 모델보다 나은 결과를 냈다는 점도 눈여겨볼 만하다. 의료 AI를 도입할 때 ‘가장 큰 모델’보다 ‘맞춤 데이터로 다듬은 작은 모델’이 답일 수 있다는 뜻이다.

남은 쟁점

린치 스스로 한계를 적었다. 200건은 경향을 보여 주기엔 충분하지만 근소한 차이의 순위를 매기기엔 부족하고, LLM은 사례마다 한 번씩만 돌려 실행마다 답이 달라질 수 있다. MILK10k가 2025년부터 공개돼 있어 LLM이 학습 중에 봤을 가능성도 있다. CNN도 평소 아카이브 이미지에서는 AUC 0.96이었지만 이번 시험에서는 0.86이었다. 사람 피부과 의사와의 비교는 없었고, 동료 심사를 거친 논문이 아닌 개인 실험이다.