DeepMind lahko iz posnetkov OCT prepozna več kot 50 različnih bolezni z natančnostjo 94,5 odstotka. Pearse Keane, ki je eden vodilnih avtorjev raziskave, pojasnjuje, da je to dosežek, ki je celo nekoliko boljši od vrhunskih strokovnjakov. Poleg tega v tem primeru DeepMind zna utemeljiti, zakaj sklepa o neki diagnozi, medtem ko večina umetnih inteligenc na nevronskih mrežah zgolj izpljune rezultat, nihče pa ne ve, od kod se je vzel. DeepMind je uporabljal dve nevronski mreži, ki sta se učili iz obstoječih in že diagnosticiranih posnetkov. Skupno je šlo za 14.884 posnetkov, ki so bili označeni, poleg tega pa je imel DeepMind dostop še do milijona neoznačenih posnetkov. Prva nevronska mreža je prepoznavala različne bolezenske značilnosti v posnetkih. Druga nevronska mreža je analizirala rezultate prve nevronske mreže in pripravila diagnozo ter priporočene ukrepe. DeepMind so potem testirali novem setu 997 OCT-jev, ki so bili diagnosticirani. Rezultat 94,5 odstotka (in brez lažnih negativnih!) je še toliko bolj impresiven, ker je imel DeepMind na voljo zgolj posnetke, ne pa drugih informacij, ki jih imajo zdravniki ob postavitvi dokončne diagnoze. Samo iz posnetkov so bili zdravniki manj kot 15-odstotno uspešni.
DeepMind ni prva nevronska mreža, ki se uči medicine. Na Stanfordu tako iščejo kožnega raka. Gre tudi z diagnozo raka dojke, medicine se je učil tudi Watson. Pri tem je treba biti previden. Čeprav Watsona uporabljajo v več kot 200 bolnišnicah, občasno še vedno predlaga neprimerna zdravljenja, zato je človeški nadzor nujen.
Seveda ni šlo brez zapletov, saj je britanski informacijski pooblaščenec lani obtožil NHS, da je nezakonito delil podatke o bolnikih z DeepMindom. Tudi slednji je na koncu priznal, da je zakonodaja o zasebnosti zapletena in da so se morali marsičesa naučiti, saj so ga tudi polomili. V konkretnem primeru so uporabljali "deindentificirane" kartoteke, torej z odstranjenimi osebnimi podatki.
DeepMind bo sedaj začel klinične teste. Do komercialne uporabe pa je še več let.
