为什么网上的 AI 自查胎记不靠谱

一篇关于"拍照识胎记"的清醒帖

这是老陈的第 23 篇科普原创

老陈，《胎记的诊断与治疗》编者

「胎记 · 疤痕 · 纹身 · 激光 · 护肤」100问

把复杂的科普，说成人话

不少人问我：网上那些"拍照识胎记"的小程序、AI 工具，到底靠不靠谱？有的还号称"拍一张就知是哪种、要不要紧"。

我的态度很明确：别拿它当诊断，最多当个"提醒你去看医生"的门卫。

这不是保守。皮肤影像 AI 在更硬核的皮肤癌筛查领域，早已交过学费。有项研究把这件事量化得明明白白，正好拿来当胎记自查的"前车之鉴"。

据该研究称（研究者为伦敦 NHS 顾问皮肤科医生，数据取自 2025 年公开的 MILK10k 活检库，200 个病灶均含病理报告）：他们让前沿大模型和一台 2015 年老模型同场考"六选一判断病灶性质"。结果——老模型首选正确率 62%，两个大模型仅 42%。

听着像大模型输了？更吓人的在后面：那个"赢了"的老模型，把 30 例黑色素瘤放走了 18 例。其中一例，耳朵上不到 0.8 毫米的浸润性黑色素瘤，两个大模型异口同声判成"无害的老年疣"，放走。

注意，测试以病理结果为核对标准，能查清哪些病灶被判错；有病理答案用来评分，不等于模型看到了病理答案。这些结果也不能换算成胎记识别的准确率，更不能证明你手里的工具已在目标胎记人群中充分验证。

照片只呈现局部，判断还需要更多信息。

判断胎记，重要的不只是“照片像什么”，还有“现在缺了什么信息”：出生就有还是后来出现？最近是否变大、变厚？长在哪儿？有无其他表现？必要时还要结合皮肤镜或进一步检查。一个工具若不追问这些，收张照片就给你确定名称，跳过的可能正是决定下一步的关键信息。

下面把这事拆成三层讲，它能骗你三次。

整体分数之外，还要看关键风险有没有漏掉。

回到那项研究。老模型 62% 首选正确率，看着赢了；但按报告阈值，它漏掉 18 例黑色素瘤。分类总分和漏诊风险，是两项得分开看的结果。只比“62% vs 42%”，看不出哪些危险病例会被放走。

网上那些"AI 识胎记"也是同一套路。它最爱亮"识别准确率 90%"，但你要看它是在什么题上考出来的。

真实的考题分两种：

一种是"一眼就能认"的题——典型的太田痣、典型的鲜红斑痣，颜色形状都标准。AI 在这类题上考高分，不稀奇。

另一种是"长得像"的难题——咖啡斑和色素痣怎么分？色素型与血管型打错激光会怎样？卡波西样血管内皮瘤（KHE）和普通婴幼儿血管瘤长得像，危险程度却天差地别。门诊里真正让人栽跟头的，全是这一类。

问题在于：整体准确率会把这些难题悄悄平均掉。它报个漂亮的 90%，你看不到"那几道最难的题它全错了"——正如研究里 62% 背后藏着 18 例被放走的黑色素瘤。

更该追问一句：它有没有在胎记人群里验证过？皮肤癌任务上的成绩，不能直接当成胎记自查的成绩。而且论文里表现好的医疗 AI，也未必是你手机里的那个——“用了同款大模型”，不等于继承了研究系统的诊断能力。

所以看到"AI 识别胎记准到 90%"，先别激动。问一句：它那张"难题卷"，交了吗？

判断阈值影响哪些风险被放行。图为概念示意。

部分影像工具会输出风险分数，再按门槛给“建议就医”或“暂不转诊”等提示。风险分数不一定等于真实患病概率，要看它有没有经过校准和人群验证；通用聊天 AI 说话的肯定程度，更不能当成概率。

这条线画在哪儿，差别巨大。还是那项研究：老模型不是"答错"才放走黑色素瘤，它每例都输出概率，"放不放人"由阈值决定。研究者把阈值设在"让 90% 恶性病灶过线"，皮肤镜图用 17.0%、临床照用 35.5% 的概率线——30 例黑色素瘤，18 例被放走。可把阈值调紧到保守策略，放走的从 18 例掉到 1～2 例。

同一模型、同一批题，改阈值就改漏诊数量；但误报会增加多少、是否适合真实临床，还得一起评价。

当测试人群里低风险占多数，一个工具即使常答“没事”，整体成绩也不难看。但真正要警惕的是：它会不会把少数“该警惕”的，混在大量低风险里一起放走。

被它放走的，可能是：需定期随访恶变风险的先天性巨痣，提示神经纤维瘤病（NF1）的多发咖啡斑，要警惕 Sturge-Weber 综合征（青光眼、癫痫风险）的眼周鲜红斑痣，以及可能伴发卡梅现象（严重凝血障碍，可危及生命）的 KHE。

线画松一分，漏掉的就不是"多切一块痣"的小事，而是那几个要命或致残的。这才是自查最该怕的地方。

“它是什么”和“要不要就医”，是两种不同的问题。

还是那项研究，一个值得注意的变化：两个大模型做“六选一判别”时首选正确率 42%；换成患者口吻，只给一张照片问“我需要看医生吗”，在另一组 100 例活检确诊的黑色素瘤上，它们分别建议 99 例和 98 例就医。

这说明在这组确诊病例中，它们较少漏掉就医建议，但不能据此说“分诊接近满分”。这组样本没告诉我们，会让多少不需转诊的人也去就医。

对自查工具，还要看建议会怎样改变人的行动：会不会让该就医的人放心拖延，会不会把可观察的情况说得必须立即治疗？建议就医只是一步，减少延误、避免无谓检查和恐慌，才是更完整的评价。答对诊断，也不等于证明患者得到了更好的治疗结果。

胎记也是一样：

判别（这是哪一型、什么性质）——很难。连非专科医生都常分错色素型和血管型，更别说一张手机照片。

分诊（这个该不该去看医生）——任务不同，可探索辅助提醒的价值，但仍要验证漏诊、误报和实际就医影响。拿不准应寻求专业评估，不能把工具的“没事”当成排除风险。

所以正解很清楚：别在家用 AI 给自己确诊"这是哪种胎记"，但可以用一个简单原则自查"要不要就医"。

出现下面任意一条，别犹豫，去正规胎记专科：

· 拿不准它到底是什么；

· 明显在变大、变深、变厚，或边界变得不规则；

· 破溃、出血、反复结痂；

· 长在特殊部位（眼周、口鼻周围、会阴）；

· 伴随其他异常（如身上多处咖啡斑、肢体不对称、癫痫发作等）。

1. 不拿 AI 自查当确诊。它顶多提醒你"该去看看"，下不了"这是什么、怎么治"的结论。

2. 记住警示信号清单。上面那五条，占一条就就医，不占也建议定期观察。

3. 该观察的别过度治，该警惕的别放过。部分婴幼儿血管瘤可在医生评估后观察，但 KHE、特殊部位鲜红斑痣、巨痣、NF1 相关信号这些，需专科评估，别自己扛。

4. 去正规胎记专科。医生结合皮肤镜、病史和必要检查做的判断，比一张手机照片靠谱得多。

还要分清：识别出可能的类型，不等于已经决定怎么治。要不要治、何时治、用什么方法，还要结合年龄、部位、范围、变化和功能影响。照片识别结果不能直接变成激光、用药或手术的指令。

一个准确率，回答不了你最关心的全部问题。要看它测了谁、给了什么信息、有没有漏掉危险情况，也要看它的建议会把人带向什么行动。皮肤癌评测中的漏诊值得警惕，但胎记自查靠不靠谱，仍要拿出对应人群和用途的证据。

拿不准的时候，最稳妥的做法只有一个：去正规医院的皮肤科或胎记专科，让医生用皮肤镜实打实看一眼。这一眼，比任何手机里的 AI 都值。

数据来源与边界说明：文中引用的皮肤癌 AI 筛查数据，出自皮肤科医生 Magnus Lynch 于 2026 年 10 月 25 日在 Lynch Lab 网站自发布的测试报告（数据集为 2025 年公开的 MILK10k 活检库）。该报告属非同行评审的自发布基准测试，样本仅 200 个病灶（其中黑色素瘤 30 例），结论存在统计不确定性。

#ai检查 #胎记检查 #色素痣 #黑素瘤早筛 #鲜红斑痣 #太田痣 #皮肤镜检查

END