计算生物学
人工智能（AI）正在迅速改变干细胞与发育生物学，为分析、解读和优化类器官及干细胞来源胚胎模型等复杂动态系统提供新的策略。在这篇前瞻性文章中，我们梳理了AI在基于图像的干细胞系统分析中的整合过程，重点阐述了深度学习、卷积神经网络和新兴基础模型如何以不断提升的规模和精度实现自动分类、分割与表型分析。我们展示了其在表型分析、药物筛选和机制发现中的应用，包括实时命运预测，以及识别与分化和疾病相关的隐匿形态学特征。
文中还探讨了实践中的挑战，包括已标注数据有限、模型可解释性不足以及活体成像限制，并展望了未来机遇，例如多模态整合、实时实验引导和方案优化。总体而言，我们认为，AI不仅仅是一种分析工具，更是一种发现引擎，它能够提升可重复性、加速获得洞见，并使我们更接近于从机制层面理解复杂干细胞来源系统中的自组织过程。