这款系统设计用于筛查糖尿病患者的眼底相片，检测是否具有视网膜病变的迹象。谷歌在该款系统上投入研究多年，2016年研究发表在《美国医学会杂志》的一篇论文详细讲解了系统的开发过程，研究结果表明，这款系统在内测阶段已达到90%的准确率。
谷歌在最新发布的研究报告中指出，人眼可识别的相片系统却无法辨识，这让参与测试的护士很失望，原本设计用于提高诊断效率的系统反而增加了她们的工作量。
研究小组对此存疑，认为即使使用高质量的数据集来训练深度学习模式，即环境和情境因素，也会影响系统在临床环境中的性能。
谷歌在调研中发现，在泰国传统诊疗环境中，护士需要先给糖尿病患者的眼睛拍照，然后分批发给眼科医生，由他们进行评估并返回结果。由于需求量大，通常至少4-5周后才能出结果。
谷歌研究人员和医学专家在泰国的诊所测试了该系统，收集了来自11个诊所的病人数据，研究和测试历时八个月。
结果发现，系统受限于拍照光线影响，对于模糊、有暗区，但是人眼仍可识别并作出判断的图像，系统却表现出无法判定。研究小组研究小组表示，在实地调研的前6个月中，系统采用的1838张照片里，有393张(21%)没有达到系统的评分标准。
从报告中给出的系统筛查与人工筛查时间对比，系统可将最长10周的结果反馈过程大幅缩短到10分钟。然而系统对于图片质量的“过高”标准不但增加了护士的工作量，同时也给患者带去了不好的就诊体验。
