芯片上的器官技术为发现治疗各种罕见和被忽视疾病的新药提供了动力，目前的模型要么不存在，要么缺乏精度。特别是，这些平台可以包括患者的细胞，从而导致患者特异性的发现。
例如，尽管镰状细胞病在20世纪初首次被描述，但在试图治疗患者时，这种疾病的严重程度范围造成了挑战。由于这种疾病在经济贫困和代表性不足的少数群体中最为普遍，由于社会经济不平等，人们普遍缺乏寻找新的治疗策略的刺激，使其成为全球最严重的孤儿疾病之一。
德克萨斯农工大学生物医学工程系Abhishek Jain博士实验室的博士生Tanmay Mathur正在开发个性化血管，以提高对镰状细胞病和其他罕见血管疾病中血管功能障碍的认识和治疗方法。
目前用于血管模型的细胞使用诱导多能干细胞(IPSCs)，它来源于患者的内皮细胞。然而，马瑟说，这些细胞有局限性——它们很快就会过期，不能长时间储存。
马瑟的研究提供了另一种选择——血液生长内皮细胞(BOECs)，这种细胞可以从患者的血液中分离出来。只需要50到100毫升的血液。
马瑟说:“所涉及的设备和试剂也非常便宜，在大多数临床环境中都可以买到。”“这些细胞是祖内皮细胞，这意味着它们有很高的增殖能力，所以如果你一直给它们想要的食物，在一个月内，我们就会有足够的细胞，这样我们就可以成功地永远保持传代培养它们。”
然而，问题是boec在器官芯片(一种允许研究人员创建这些血管模型的微型设备)的背景下是否像IPSCs一样工作。这是个问题马瑟最近在一篇发表在美国心脏协会杂志．
Mathur说:“通过将我们的血管芯片分析与下一代RNA测序相结合，我能够证明boec与其他细胞相比在任何统计方式上都没有差异。”“你不仅可以用boec进行针对患者的研究，还可以使用这些细胞作为现有细胞的替代品，因为归根结底，它们仍然主要是人类细胞。如果有一种方法可以让你用最少的努力获得患者来源的细胞，这永远是前进的最佳方式。”
马瑟的下一步是开始测试更大范围的镰状细胞病血液样本，并通过机器学习和人工智能将计算纳入项目。通过开发一种可以预测凝血时间、炎症等变量的芯片模型，该算法可以将每个患者的病史和治疗与他们的疾病状态联系起来。
“假设我用100个病人做了一个模型，”马瑟说。“如果你给我第101个患者，我对这些细胞使用相同的方法，我的算法应该能够预测该患者是重度、中度还是轻度镰状细胞患者。这很重要，因为临床医生想知道对患者来说最有效的短期和长期治疗策略是什么。”
“Tanmay的工作为组织工程和芯片上器官技术的未来以及这些平台在个性化医疗中的积极影响奠定了基础，”Jain说。
开发这种算法将有助于减少临床医生在制定治疗计划时不得不做的猜测。
“现在，我们不知道给一个轻度患者服用多少药。这就是我们对并发症矫枉过正或矫枉过正的原因。”“每种药物都会有一定的副作用，你只能将其最小化。最好的方法是为每个病人量身定做治疗方案。我正在尽量减少这种重复，尽量减少成本，同时最大限度地提高治疗对患者的成功率。”