最近IBM研究院和纽约大学合作，针对青光眼的侦测进行研究，利用深度学习技术，借由3D的原始视网膜光学断层扫描图片，来侦测青光眼的特征模式，进一步训练模型来评估视野指标（VFI）值，VFI是代表整个视野状态的世界通用标准，在实验的过程中，模型错误率只有2%。

IBM指出，青光眼是全世界造成失明的第二大主因，影响着3.5%超过40岁以上的人口，在2010年，6,050万人受到青光眼的影响，到了2020年，预计受该疾病影响的人口将会增加至8,000万人，青光眼被称为视力的小偷，因为青光眼的病程缓慢且大部分都没有症状显现，40％的人在尚未发现到任何异状的情况下，就丧失了视力，而现有的治疗只能减缓病程，无法保留视力，因此，尽早发现和适时治疗是相当重要的。

视野（visual field）测试能够画出病患可看见的视觉空间，用来诊断多种眼睛状态，举例来说，青光眼造成的视觉神经损坏，会导致上视野和下视野的特征性视野缺损，测试是诊断中的一部分，不过，由于这些测试完全依赖病患的反馈，而病患对于警觉性是主观的，尤其时间被认为是影响病患测试表现主要的因素，通常早上的表现会比吃完午餐后来得好，因此，病患可能需要多种测试，来确保取得正确的视力受损测量方式。

从生物学的角度来看，视觉功能和视网膜架构有关，但是有趣的问题是，我们能够用眼睛的结构，通过非侵入式的技术，直接评估视觉功能吗？IBM指出，若能够找出视网膜成像数据中的信息，来协助评估青光眼的状态，答案是可以的，因此，IBM研究院和纽约大学合作，一同研究这项问题，通过AI分析视网膜光学断层扫描图片的方法，相比传统的方法，能够更加有系统地找出图片中包含的消息，在专家进行诊断时提供协助。