北京大学赵扬等团队以人iPSCs向心肌细胞分化为模型，基于机器学习的分化系统，成功实现了非侵入式地对人iPSCs诱导分化成心肌细胞的不同阶段的诱导效率的实时预测；对分化时间和诱导因子浓度进行实时判断，有效调控和干预了人iPSCs向心肌细胞分化的效率；建立了基于细胞图像的机器学习算法，且成功应用于人iPSCs在心肌细胞分化中间态细胞的纯化。利用细胞图像机器学习算法，将为小分子诱导物的筛选提供检测指标，可有效优化干细胞分化研究。
 

利用AI可以更精准地构建基于胚胎干细胞的疾病模型，为疾病机制研究和新疗法开发提供更可靠的基础。同时，通过分析大量数据，有望发现针对特定疾病的更有效治疗策略和药物靶点。再者，AI可以进一步优化胚胎干细胞的培养和分化过程，提高细胞质量和效率，降低成本。另外，随着技术的不断进步，AI与胚胎干细胞研究的融合将更加紧密，可能会催生出新的研究方向和应用领域。例如，可能会出现结合AI的实时监测和调控系统，动态调整干细胞培养环境以获得最佳效果；或者利用AI辅助设计个性化的胚胎干细胞治疗方案等。
 

出自《干细胞与人类健康研究进展》 作者:潘杰,中山皓博.