現代醫學中“再生醫療”領域的未來目標是，人們利用自身體內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。在現實生活中，要實現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。這其中涉及數百萬個參數，也意味著藥物治療有數百萬種出錯的可能。表征細胞產物非常困難，因為它們不穩定，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鍵，當細胞被制成醫療產品時，科學家必須要精準的測量細胞內部，那么如何才能有效地測量具有數百萬個參數的細胞呢？
細胞測量問題多年來一直困擾著醫療產品研究和開發人員。一種與年齡有關的視網膜黃斑變性疾病（AMD）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“再生醫療”似乎是這種疾病的最佳解決方案，但是相關的高質量測量卻一直處于發展滯后階段。
為了解決這一難題，美國國家標準與技術研究院（NIST）與美國國家衛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現一款用于個人理財的名為“深度神經網絡”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。測試結果實現了非常驚人的準確度，人工智能程序對細胞變化做出的36次預測中只有1次錯誤。
最新穎的是，輸入程序中的數據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代的研究方法與最古老的方法結合在一起的方法。
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，且現在技術進步已極大地改善了通過顯微鏡看到的范圍和細節。
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生的數據差異很大。到目前為止，實驗室之間尚無好的方法相互報告結果，也無法確保在不同環境下這些結果可復制且可靠。
目前，研究小組開發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，研究成果發表在《臨床研究雜志》中。
視網膜色素上皮細胞（RPE）的透射光明場圖像
成熟的RPE傳遞黑色素，黑色素吸收光，在圖像中產生深色區域，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標本的質量。
