آگاه: این روش ابداعی به کشف درمان‌های جدید بیماری‌ها کمک می‌کند. با ظهور چاپ زیستی ۳ بعدی، حوزه درمانی پزشکی بازساختی(regenerative medicine) و مدل سازی سرطان به‌سرعت رشد کرده است. حفظ قابلیت زنده ماندن سلول در فرآیند چاپ زیستی برای موفقیت این فناوری اهمیت زیادی دارد زیرا به‌طور مستقیم روی دقت مدل‌های چاپ شده، صحت نتایج آزمایش و کشف روش های درمانی جدید تاثیر می‌گذارد.
بنابراین بهبود وضعیت چاپ زیستی که شامل متغیرهای متعدد تاثیرگذار بر زنده ماندن سلول طی فرآیند چاپ و پس از آن است، اهمیت بسیار زیادی دارد. تاکنون این روش‌های بهینه‌سازی به وسیله آزمون و خطا و تکرار چند آزمایش وقت‌گیر و پرهزینه انجام شده است. اما اکنون محمد کهندل، دانشیار گروه ریاضیات کاربردی دانشگاه واترلو و درسا محمد رضایی همراه گروهی از محققان، ساخت یک مخزن داده از پارامترهای مورد نظر برای ژلاتین و جوهرهای زیستی مبتنی بر ژلاتین و آلژینات و زنده ماندن سلولی مربوطه با ادغام داده‌های به‌دست‌آمده در آزمایشگاه و همچنین داده‌های برگرفته از تحقیقات دیگر را آغاز کرده‌اند.در مرحله بعد، آنها مدل‌های یادگیری ماشینی را برای پیش‌بینی زنده بودن سلول بر اساس متغیرهای مختلف چاپ زیستی توسعه دادند. مدلی که محققان ایرانی توسعه دادند در مقایسه با مدل‌هایی دیگر، عملکرد بهتری دارد و نتایج پیش‌بینی بسیار خوبی را نشان می‌دهد.