癌症是恶性肿瘤中最常见的一类，由于恶性肿瘤的病因尚未完全了解。目前较为明确与癌症有关的因素可分为外源性和内源性两大类。而大肠癌也是恶性肿瘤之一，致死率也非常高。如今，随着人工智能技术的快速发展，它的应用也将能够改善大肠镜检查的灵敏度。

鉴于医生在为患者进行大肠镜检查时，有机率疏漏病人大肠中息肉，因此谷歌（Google）使用机器学习，改善大肠镜检查结果。根据香港IDC新天域互联获悉，谷歌所开发的深度学习C2D2方法，可透过捕捉影像深度对大肠进行3D重建，显示已被检测与未被检测的部位，借此提升检查覆盖率。

大肠癌是目前主要的致死癌症之一，例如在美国，大肠癌是排名第二的致死癌症，每年因其死亡美国人数达到90万。而谷歌提及，在真正癌变以前，通过去除大肠中息肉来预防大肠癌，且只要息肉检出率提升1％，大肠癌发生率就能降低6％。

传统上，遗漏息肉的主要原因有两个，可能是虽然息肉出现在大肠镜画面中，但因为息肉形状扁平较小，导致漏看；另一种原因，则可能医师在操作内视镜时，检测范围没有覆盖所有相关区域，所以息肉并没有出现在视野中，也就无法发现所有息肉。

在谷歌研究中，则选择利用深度学习演算法C2D2，来解决大肠镜检查覆盖率不足的问题。该C2D2演算法共分为两部分，首先是计算每一影格的深度图，计算深度图包括深度估算以及姿势估算，也就是内视镜在空间中的位置和指向，第二则是利用深度图计算覆盖率。

为从深度图计算出覆盖范围，谷歌使用合成以及真实两种影片资料训练C2D2，合成影片使用大肠的图像模型创建。谷歌还请医生以及C2D2演算法，同时对合成影片进行息肉检查，发现C2D2平均绝对误差为0.075，而医生平均绝对误差则为0.177。可见，医生平均绝对误差明显更大，C2D2的精确度是医生的2.4倍。

透过提醒医生疏漏的大肠壁范围，C2D2可让医生发现更多的腺瘤，间接降低大肠癌发生率，除了检查覆盖范围之外，谷歌也正在着手开发能够自动发现息肉的演算法。

本文转载自其他网站，不代表大健康派观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：scarlet.s@djkpai.com）