據一組數據顯示，每年奪走近70萬人生命的大腸癌，現已成為了僅次于肺癌、肺癌和胃癌的全球第四大致命的癌癥。而大腸癌的形成，很有可能是從一些容易被漏掉的息肉所致。

正因如此，谷歌開發了一個深度學習算法C2D2，可以透過捕捉影像深度，對大腸進行3D重建，顯示已被檢測與未被檢測的部位，藉此提升大腸檢查覆蓋率。而實驗證明，機器學習能有效解決大腸鏡篩檢覆蓋率不足的問題。

一則文獻中也曾指出，醫生在進行大腸鏡檢查的時候，平均會漏掉22%到28%的息肉，而且會漏掉20%到24%可能會癌變的腺瘤。

造成這樣一個現象的原因之一在于雖然息肉出現在大腸鏡的畫面中，但是因為息肉形狀扁平較小致使漏看情況發生。其二在于操作內視鏡時，檢測范圍未能覆蓋所有相關區域，導致息肉沒有出現在視野中。

谷歌提到在真正癌變之前，可以透過去除大腸中的息肉來預防大腸癌，且只要息肉檢出率能提升1%，大腸癌的發生率就能降低6%。因此谷歌期望利用深度學習算法C2D2，來解決大腸鏡檢查覆蓋率不足的問題。

Google請醫生以及C2D2算法，同時對合成影片進行息肉檢查，發現C2D2的平均絕對誤差為0.075，而醫生的平均絕對誤差則為0.177，醫生的平均絕對誤差明顯較大，C2D2的精確度是醫生的2.4倍。
責任編輯:pj