藥物開發過程中，由藥物引起的肝損傷（DILI）一直是重大的挑戰，也是許多新藥研發失敗的主因。為了更準確地評估藥物毒性，《Drug Discovery News》報導，科學家正將目光轉向三維（3D）肝臟微組織模型。這種模型能更有效地模擬人體肝臟的生物學特性，提供更接近生理狀況的測試環境。

然而，儘管 3D 肝臟微組織模型具備優勢，其複雜的結構卻使得分析與評估變得困難重重。不過，隨著高內涵成像（high-content imaging）技術與機器學習（machine learning）的進步，現在已能實現 3D 肝臟微組織的自動化、多參數分析。這項發展有助於揭示化合物所引起的結構與表型變化，並將這些變化與毒性反應建立關聯。

特別是人工智慧（AI）驅動的三維分割（3D segmentation）技術，大幅提升了微組織定量分析的準確性。透過多重成像（multiplexed imaging），研究人員得以捕捉化合物所誘發的多參數細胞反應。目前，相關策略仍在積極開發中，包括如何進行表型分類（phenotypic classification）以及確保篩選數據品質的評估方法。

這項技術的進展，為新藥毒性篩選帶來革新，顯著提升了藥物開發流程的效率與準確性。對於全球生技製藥產業而言，這項由人工智慧驅動的創新將提供全新的研究思路，有望加速安全有效藥物的問世。