糖尿病所導致的視網膜病變對疾病負擔影響甚巨，是美國與全世界視力喪失的最主要原因。同時，這個疾病也擁有適合大規模篩檢的特性：第一，該疾病是個重大的公衛問題；第二，該疾病的流行病學、發展過程，從沒有症狀的潛伏期到嚴重發病，都有清楚的了解；第三，篩檢很簡單、安全、有效，而且可以被接受；第四，早期偵測後可以有效介入，注射血管舒張劑與抗內皮細胞增生因子。

既然糖尿病視網膜病變篩檢是件重要的公衛工程，為何還是不見其實施呢？據美國估計，如果篩檢的話，需要撥出三千兩百萬美元的支出，而至少有五百萬名四十歲以上的美國人患有此疾。

深度學習則是個機器學習科技樹的新分支。Google與其他科技公司（像是Apple與Facebook）這幾年利用深度學習在大數據中分析個人在網路上搜尋的行為，像是喜歡去哪裡旅遊、最喜歡的食物，以及誰可能是潛在的好友。深度學習在醫療方面的應用，則可以找出哪些病患最有可能得到特定疾病，以及患有這些疾病後，誰更需要更頻繁地看醫生、更積極地用藥，以及開立特定處方籤。

Gulson和他的同事們在《美國醫學會期刊》（Journal of American Medical Asociation, JAMA）上發表深度學習在糖尿病視網膜病變的應用。他們先用將近13萬張影像來「訓練」電腦，讓它自學出一套診斷的演算法，再用兩組資料來「考驗」這套演算法。結果出來後，這套深度學習的系統展示出高達87～90％的敏感性與98％的特異性。這套系統的效果高於一般對篩檢措施敏感性、特異性80％的要求。