从历史上来说，显微镜一直都是一种定性的技术。但是，随着其向数字式显微镜的改造和照相机技术的进展，以及新的标记方法和成像方法的出现，正在使得从各种图像中提取有意义的定量数据变得更加容易。在这种过程中最为重要的是各种相关的计算技术。在转变成为一种更加定量化的技术之后，显微镜将产生巨大的科技影响力：形成一些新的用途、并且在其性能和可复制能力方面不断得到改善。

 

　　目前在生物图像信息学技术方面存在的种种局限性，阻碍了复杂精细的光学方法实现它们全部的潜能。例如，在超分辨率显微镜数据中定位单个荧光团所必需的算法目前仍处于其发展的幼年期，而缺乏各种工具来从三维图像堆栈中自动化地重构神经网络，则正在阻碍着神经科学的发展。

 

　　更多的研究人员正在针对生物成像要求研发计算解决方案，这些研究项目，作为一种合作性的、开放来源的学科领域的努力，越来越多。为了促进计算工具研发人员与显微镜应用者之间的对话，也为了扩展对生物图像的计算问题的认识，以及对信息学学科的需要，这些问题逐渐形成了一个名为“生物图像信息学”的特殊学科。在一篇介绍性述评中，早期基因组生物信息学领域的一位核心人物，吉恩·迈耶斯指出：生物图像信息学目前的发展，类似于基因组生物信息学早期发展的情形。

 

　　尽管，显微镜和图像分析在生物学中的应用越来越盛行，但是要说服更大研究领域的人们来认识生物图像信息学之作为一个与众不同的科技学科，需要面对大量影响深远的挑战。这种努力要求创造一种成功的生物图像信息学工具，与常规生物学研究中取得成功所需要的是截然不同的。

 

　　生物图像信息学工具的主要使用者是生物学家，他们在操作显微镜和分析数据过程中，很少或者根本没有接受过软件编程或者信息学方面的训练。他们需要的是可用性好、设计精致、支持软件完备的工具，它们应该具有足够的灵活性来容易地适应他们的特定需要。但是，研发和提供用户友好工具的不断支持，尽管主要是针对生物图像的，构成了对研发投资者和研发机构的挑战。

 

　　这个学科中的许多人认识到了研发这些工具的重要性。2012年第7期的《自然－方法》杂志组织了专门的文章，描述了一些生物成像要求中的算法解决方案、介绍了一些通用的图像分析平台，它们可以用来以用户友好软件包的形式给生物学家们配送这些算法解决方案。

 

　　令人鼓舞的是，一些机构正在致力于建立一些实质性的资源来支持重要的开放来源软件工具。一些投资人也正在做出他们的努力：美国国立卫生研究院运作了“软件的持续研发和维护”项目，而美国国家科学基金会则于近期宣告了“持续创新的软件基础设施”项目。

 

　　在生物图像信息学的充分支持下，我们期望在不久的将来实现通过手动操作来选择“代表性的”图像。不仅这些图像将由基于图像数据的定量测量值取代，而且，在相关的研究论文中显示的范例图像将要么被计算过的图像取代、要么被通过计算选中的代表图像取代。其结果是，成像结果中的可信水平将大大地增加。

 

　　在这样的背景中，统计学严密性和清楚的报告是至关重要的。如果它们不具备，定量化的价值就极为有限，而且还会出现这样的风险：这些单纯定量化的操作会导致结果中的假阳性。最重要的是这些不确定性会沿着一些绝对的数值或者计算产生的图像传递下去。在这个学科领域中，我们应该开始讨论的是：我们需要什么样的努力来对图像数据进行标准化和统计学评估。我们已经有了一种强有力的统计学方法基础来检测和报告简单数字性数据的显著性，而且，如果这些方法不能够转化成为更复杂的图像数据的话――它们可能是一些可以类比为某种代表性图像的P值之类的东西――我们就必须实施或者研发替代性的方法。

 

　　在药物发现或者临床研究所需要的统计学严密性可以经常地用来进行基础研究中的数据分析和报告惯例，但是，即使是制药公司使用了高通量的成像数据，他们通常会将图像数据转换成为简单的数字值、代表了每次分析计算的输出结果。相反地，那些想要得到一些生物学发现的成像实验则必须保留复杂的信息。现在已经是着手来解决这些挑战的时候了，而且，要胜利完成这样的工作，需要由生物图像信息学家们和生物学家们共同组成的团队强有力合作。

 

　　显微镜技术的发展，目前正处于一个引人瞩目的技术研发时期，有了这项技术，那些手中掌握着基因组信息的科学家们正在努力去认识基因组与整体生物之间的相互作用与影响，这种相互作用具有极大的时间和空间上的复杂性。生物图像信息学将扮演一种日益重要的角色，给这些研究带来必不可少的定量严密性。