当AI与专家在错误上一致：皮肤镜图像中的内在模糊性
计算机视觉与模式识别
2026-04-02 v1
摘要
人工智能（AI），特别是卷积神经网络（CNN），在皮肤病学诊断中的集成展示了显著的临床潜力。虽然现有文献主要将算法性能与人类专家进行基准比较，但我们的研究采用了一种新视角，通过调查皮肤镜图像的内在复杂性。在使用多种CNN架构的严格实验中，我们分离出了一组在所有模型中被系统性误分类的图像——这一现象被统计证明超越了随机机会。为了确定这些失败是源于算法偏差还是固有的视觉模糊性，皮肤病学专家独立地评估了这些具有挑战性的病例以及一组对照组。结果显示，人类诊断性能在AI误分类的图像上出现了崩溃。首先，与真实标签的一致性急剧下降，Cohen's kappa在困难图像上仅为0.08，而对照组为0.61。其次，我们观察到专家共识的严重恶化；医生之间的评分者间可靠性从对照图像上的中度一致性（Fleiss kappa = 0.456）降至困难病例上的仅适度一致（Fleiss kappa = 0.275）。我们确定图像质量是这些双重系统性失败的主要驱动因素。为了促进透明度和可重复性，所有数据、代码和训练模型均已公开发布。
引用
@article{arxiv.2604.00651,
title = {When AI and Experts Agree on Error: Intrinsic Ambiguity in Dermatoscopic Images},
author = {Loris Cino and Pier Luigi Mazzeo and Alessandro Martella and Giulia Radi and Renato Rossi and Cosimo Distante},
journal= {arXiv preprint arXiv:2604.00651},
year = {2026}
}