谷歌附属公司DeepMind发起了一项技术研究，可以在2016年使用人工智能防止失明。首先，在2月份，DeepMind Health与皇家自由医院合作开发了移动应用程序（Streams），允许医生和护士快速确定患者的急性肾损伤状态。该公司已与Moorfields眼科医院合作，创新眼科检查方法，并进行早期发现疾病的研究。
根据公告，在2016年，英国只有36万人失明或视力不佳。识别眼科疾病和确定治疗方法使用眼睛扫描，但对测试结果的分析是复杂和耗时的。
Deep Mind Health可以通过学习人工智能中的眼睛扫描数据，症状，治疗等来帮助临床医生了解患者的疾病。如果可以通过机器学习尽早发现疾病，则停止疾病进展的可能性将增加。预计该研究能够检测和治疗疾病的早期症状，例如导致失明的黄斑变性。在2050年，失明的数量预计会翻倍，因此通过技术预防眼病非常重要。
在全球范围内，约有3.5亿人患有糖尿病视网膜病变。糖尿病性视网膜病变是一个问题，因为它很快并且许多人在疾病进展之前无法注意到。然而，如果神经网络学习眼睛扫描分析，它可以提高诊断的速度和准确性，并防止失明高达98％。
根据谷歌的一份报告，深度学习技术有所改进，图像识别过程的准确性得到了提高，这有助于该公司专注于早期发现糖尿病引起的眼病。糖尿病性视网膜病最初与附着于视网膜的柱头相关，并且视网膜的进行性进展伴随着使视网膜血流恶化的肿块。眼科医生在看视网膜的同时看到了这种情况，但由于专家人数不足，很多情况下会出现失明。
谷歌与54名印度和美国眼科医生合作，试图通过深度运行128,000个视网膜图像来检测糖尿病视网膜病变，并发现9,963例糖尿病视网膜病变。结果高于8位眼科医生。当然，在当时，谷歌仅限于发现糖尿病视网膜病变，需要提高图像识别本身的准确性，并结合其他测试方法。
然而，Deep Mind最近能够通过人工智能与人类医生一样精确地诊断眼疾，并且可以在几年内将它们引入医院。
用于诊断眼病的最常用方法之一是使用OCT（光学相干断层扫描），其使用近红外线来拍摄患者眼底和血管上的3D扫描数据。在大约10分钟内，创建了3D数据，并且眼科医生在此基础上发现了眼部疾病的迹象。 Deep Mind与Moore Fields医院合作，从7,500名人工智能治疗患者中学习了大约15,000个OCT数据。此外，人类眼科医生的诊断与训练同时进行，提高了人工智能的诊断准确性。如此训练的人工智能与8名医生相比显示出94％或更高的一致率。
近年来，人工智能的引入也在医学领域变得活跃。美国食品和药物管理局已经批准了一种人工智能诊断系统，该系统不需要人工干预来诊断糖尿病视网膜病变。如果认证为不需要人类医生的系统，深度诊断将能够在将来诊断50多种眼科疾病。
当然，存在一个问题，即人工智能无法清楚地解释输入数据的结果。如果人类完全失去判断力，那么人工智能就有可能成为一个致命的错误。 Deep Mind方面表示已采取措施防止人们离开手时可能发生的致命错误。首先，该软件根据一些在几个独立数据上训练的算法进行操作。它被设计为允许其他算法覆盖错误，即使算法中的错误通过不依赖于一种算法的诊断过程发生。
其次，人工智能不仅输出一个结果，而是输出被诊断为具有高可能性的多个结果。它还显示患者的3D扫描数据中的哪一个是出于诊断原因而起作用的。这将允许人类培训师稍后查看输出并提供纠正错误或错误的机会。
最后，人工智能系统不用于诊断患者是否患有疾病，而是用于确定疾病进展的程度以及应该首先治疗哪个患者。通过这些限制，人类有可能有机会干预人工智能，这样即使人工智能做出了错误的决定，也会让医生有机会纠正它。
2014年进行的OCT测试数量仅为535万。然而，检查过程本身可能需要很长时间，一旦检查和判断完成，就可以从失明危机中获得更多的人。结合人工智能的OCT测试比人类诊断快得多，并且将人工智能引入眼科疾病的诊断将提高诊断率并最终有助于保护视力。