本研究提出了多种新方法，通过深度学习实现结肠镜图像的深度估计和三维重建，显著提升了结肠息肉的识别和重建精度。研究成果包括合成数据集Synth-Colon和多任务学习框架ColonNeRF，为结直肠癌的筛查和治疗提供了更高质量的支持。

Guardant Health的Shield于2023年7月获得FDA批准，成为首款用于结直肠癌筛查的血液检测，适用于45岁以上的平均风险成年人。尽管其敏感性为83.1%，但对晚期癌前病变的敏感性仅为13.2%。该产品的局限性引发关注，尤其是对早期癌症的检测能力。Guardant计划进一步提升产品性能，并扩展多癌筛查的应用。

本文提出了一种多模态变压器模型PathOmics，将病理学与基因组学结合用于结直肠癌存活预测。通过无监督预训练捕捉图像与基因组数据的互动，研究结果显示该方法在TCGA结直肠癌队列中优于现有研究。研究还提出了多模态融合策略和跨模态转换框架，显著提高了生存分析的准确性。

早期检测和评估息肉对结直肠癌预防和治疗至关重要。本文综述了传统算法和基于深度学习网络的息肉分割算法，并介绍了相关数据集和深度学习模型的评估。讨论了该领域的挑战和未来趋势。