現(xiàn)代醫(yī)學中“再生醫(yī)療”領(lǐng)域的未來目標是，人們利用自身體內(nèi)健康的細胞就能治愈疾病，這種個性化療法適合不同人的身體、基因以及身體中的微生物。在現(xiàn)實生活中，要實現(xiàn)這個夢想還存在許多障礙，復雜性是其一。

細胞之間巨大的差異使科學家很難預測在不同治療方案中細胞會有什么反應。這其中涉及數(shù)百萬個參數(shù)，也意味著藥物治療有數(shù)百萬種出錯的可能。表征細胞產(chǎn)物非常困難，因為它們不穩(wěn)定，也不均勻，表征的測試方法有很大誤差。在這里，精準的測量是解決問題的關(guān)鍵，當細胞被制成醫(yī)療產(chǎn)品時，科學家必須要精準的測量細胞內(nèi)部，那么如何才能有效地測量具有數(shù)百萬個參數(shù)的細胞呢？

細胞測量問題多年來一直困擾著醫(yī)療產(chǎn)品研究和開發(fā)人員。一種與年齡有關(guān)的視網(wǎng)膜黃斑變性疾?。ˋMD）會導致一些人在年齡增長后逐漸失去視力，找到一種基于干細胞的有效療法有可能使這些病人受益。個性化的“再生醫(yī)療”似乎是這種疾病的最佳解決方案，但是相關(guān)的高質(zhì)量測量卻一直處于發(fā)展滯后階段。

為了解決這一難題，美國國家標準與技術(shù)研究院（NIST）與美國國家衛(wèi)生研究院眼科研究所合作，使用一種顯微鏡來觀察實驗室生長的眼部組織以達到治療失明的目標。該團隊在研究過程中偶然發(fā)現(xiàn)一款用于個人理財?shù)拿麨椤吧疃壬窠?jīng)網(wǎng)絡(luò)”的免費開源人工智能程序有可能對他們的科研有很大幫助。測試結(jié)果實現(xiàn)了非常驚人的準確度，人工智能程序?qū)毎兓龀龅?6次預測中只有1次錯誤。

最新穎的是，輸入程序中的數(shù)據(jù)是一種用于收集所謂“明場”圖像的基本顯微鏡（生物學最古老的技術(shù)之一）獲取的。加上人工智能的助力，該團隊使用的幾乎是將最現(xiàn)代的研究方法與最古老的方法結(jié)合在一起的方法。

明場顯微鏡的工作原理是從下面照亮一個樣品，密度較高的部分吸收光，在明亮的背景下會顯得很暗。它仍然是當今生物學研究中使用最普遍的工具之一，且現(xiàn)在技術(shù)進步已極大地改善了通過顯微鏡看到的范圍和細節(jié)。

但是明場顯微鏡的缺點是用顯微鏡很難進行精準測量。用這種顯微鏡拍攝的細胞照片很難與其它實驗室中其它顯微鏡拍攝的照片進行比較，部分原因是由于顯微鏡及其產(chǎn)生的數(shù)據(jù)差異很大。到目前為止，實驗室之間尚無好的方法相互報告結(jié)果，也無法確保在不同環(huán)境下這些結(jié)果可復制且可靠。

這些限制因素再加上細胞研究中的眾多參數(shù)，使得人體臨床試驗的生物制造所需的高精度數(shù)據(jù)很難獲得。盡管如此，NIST的研究人員認為，利用吸光度成像，對獲得的圖像進行簡單的數(shù)學運算，從而使不同儀器，實驗室和人員之間的數(shù)據(jù)具有可比性，提高明場顯微鏡的測量準確度。同時，人工智能可以幫助快速擴大數(shù)學范圍，并對數(shù)百萬張圖像進行比較。

目前，研究小組開發(fā)了一種有效的干細胞工作新方法，稱為定量明場吸收顯微鏡（QBAM）。最近，研究成果發(fā)表在《臨床研究雜志》中。

視網(wǎng)膜色素上皮細胞（RPE）的透射光明場圖像

成熟的RPE傳遞黑色素，黑色素吸收光，在圖像中產(chǎn)生深色區(qū)域，可以看見直徑約為0.01到0.02毫米的圓形細胞。

定量“吸光度”圖像

人工智能算法能夠檢測出色素沉著的細微圖案，可以預測RPE標本的質(zhì)量。