数据显示，每年夺走近70万人生命的大肠癌，现已成为了仅次于肺癌、肺癌和胃癌的全球第四大致命的癌症。而大肠癌的形成，很有可能是从一些容易被漏掉的息肉所致。

　　正因如此，谷歌开发了一个深度学习算法C2D2，可以透过捕捉影像深度，对大肠进行3D重建，显示已被检测与未被检测的部位，藉此提升大肠检查覆盖率。而实验证明，机器学习能有效解决大肠镜筛检覆盖率不足的问题。

　　一则文献中也曾指出，医生在进行大肠镜检查的时候，平均会漏掉22%到28%的息肉，而且会漏掉20%到24%可能会癌变的腺瘤。

　　造成这样一个现象的原因之一在于虽然息肉出现在大肠镜的画面中，但是因为息肉形状扁平较小致使漏看情况发生。其二在于操作内视镜时，检测范围未能覆盖所有相关区域，导致息肉没有出现在视野中。

　　谷歌提到在真正癌变之前，可以透过去除大肠中的息肉来预防大肠癌，且只要息肉检出率能提升1%，大肠癌的发生率就能降低6%。因此谷歌期望利用深度学习算法C2D2，来解决大肠镜检查覆盖率不足的问题。

　　Google请医生以及C2D2算法，同时对合成影片进行息肉检查，发现C2D2的平均绝对误差为0.075，而医生的平均绝对误差则为0.177，医生的平均绝对误差明显较大，C2D2的精确度是医生的2.4倍。