自动化需要同时控制形态、细胞组成和功能
美国 Nemours Children’s Health 等机构的综述讨论脑类器官从疾病模型到药物发现的用途。作者指出，大小、形态和标志物可用于初步表征，但细胞类型、多样性、成熟度及相互作用仍需要进一步检测。微电极阵列记录的网络活动，则补充了形态观察之外的功能信息。
综述引述的自动化中脑类器官体系结合机器人工作流程、RNA 测序和高内涵成像，以减少批次内外的大小、形态及细胞组成差异。这些质量指标为扩大药物筛选规模提供依据，作者同时指出成本、标准化和规模化仍是主要难题。
类器官数量与药物终点需要分别说明
一个被引述的药物筛选研究使用了来自 11 个个体的 1300 个类器官，并结合数学模型和成像分析阿尔茨海默病相关表型。类器官数量代表检测规模，个体数量才反映该研究涵盖的供者范围。
表 2 中的脑肿瘤案例采用了不同终点：一项模型记录 selumetinib 与 fulvestrant 对胶质瘤侵袭的抑制；另一项患者来源脑转移黑色素瘤类器官研究，检测 BRAF 或 MEK 抑制剂处理后的细胞存活率。侵袭变化和存活率分别回答药物对不同表型的作用。
供者与微环境局限仍需纳入结果解释
作者指出，少量供者来源难以覆盖人群遗传多样性，类器官之间也存在批次变化。血管和胶质细胞等组成不完整，会进一步限制模型呈现的微环境与疾病反应。
作者提出建立不同供者来源的脑类器官生物库，以支持面向特定疾病的大规模研究。