Google研发了一个能从眼睛外部侦测疾病迹象的深度学习模型，该模型从眼睛外部照片，截取有用的生物标记，侦测糖尿病患者视网膜病变、糖化血色素（HbA1c）升高以及血脂升高等现象，研究人员提到，使用眼睛外部照片作为模型输入，优势是减少专业设备的需求，进而增加健康筛检的各种可能性。
在之前，Google也有进行过类似的研究，不过当时是使用深度学习技术，从眼底（Fundus）照片预测心血管的危险因素，并找出像是慢性肾脏病和糖尿病标记物，也能利用血红蛋白多寡来侦测贫血。研究人员表示，这类型的工作，都是希望发展出以更小的侵入性，并且更精确也更便宜的方法，来监测和监控疾病。
而Google这项新研究，则是利用更易于取得的眼睛外部照片，对血糖和血脂状况作出判断。Google使用远程糖尿病视网膜病变筛检计划145,000多名患者的去识别化资料，训练一个卷积神经网络，能判断患糖尿病视网膜疾病、糖化血色素（HbA1c）升高以及血脂升高3种症状。
研究人员以AUC（Area Under Curve）来衡量模型性能，完美模型得分为100%，而随机猜测得分为50%，目前该模型的预测能力，在模型检测糖尿病视网膜病变上，AUC为71-82%，糖化血色素升高为67-70%，而血脂升高则为57-68%，研究人员表示，虽然模型还不完美，但成果已经可以协助侦测和量化系统性健康的各项参数。
该模型的应用场景，可以像是糖尿病前期筛检问卷一样，利用眼睛外部照片预先筛检出需要进一步检测的人们。Google针对这项研究，也进行了偏差评估，包括可解释性分析，找出对算法影响最大图片部分，并且收集美国境内不同地点和人种的资料，以减少算法存在的偏差。
研究人员提到，由于只要从眼睛外部的照片，就能够截取健康相关的信号，因此对大量的糖尿病以及其他慢性病患者来说，存在许多潜在影响，不过这项研究在通用性还有很长的路要走，像是继续研究所需要的图像品质，并且将应用推广至已知与未知的慢性疾病患者。