作者 TONY KONTZER，2017年9月20日
每年在北美洲約有130萬人接受活體組織切片，以判斷他們是否罹患攝護腺癌。這些只是遵照醫囑進行多次檢測，以查證是否有癌症病狀，但其中許多病歷最後證明是無需進行切片。
阿爾伯塔大學的研究團隊期望以依靠 GPU 運算的全新檢測方式來改變現狀，將取得活體組織切片的數量減少一半。
名為「攝護腺特異抗原」（Prostate-Specific Antigen，PSA）的實況篩檢法，其實「不是那麼可靠，許多男士進行活體切片，沒有什麼好處，還會在過程中增加感染和出現其他副作用的風險。」阿爾伯塔癌症基金會資助成立之「Frank和Carla Sojonky前列腺癌研究主席」的John Lewis 說。
將重心放在囊泡上
Lewis 的團隊採用另一種稱為「膜泡指紋預測評分」（Extracellular Vesicle Fingerprint Predictive Score，EV-FPS）的方法。內部充滿液體的細胞外囊泡負責在細胞間傳遞資訊，研究人員使用 EV-FPS 法仔細檢查囊泡，分析細胞外囊泡的生物標誌資料，預測是否存在著癌細胞的精準程度高於 PAS 檢測法。
難題在於新的檢測法使用四種生物標誌一一分析多達500萬個囊泡，每名患者產生出總數達兩千萬個資料點。但這些囊泡裡潛伏著已誕生於攝護腺的囊泡，每個囊泡都是一種自身起源的細胞圖譜。
此時正是 NVIDIA GPU 和深度學習工具派上用場的地方。
「這麼多的資料，不可能靠肉眼去找出關鍵的癌症模式，這使得我們改用 GPU。」Lewis 說。
研究團隊將 NVIDIA GeForce GTX GPU 搭配 Mathworks 的 MATLAB 數字運算軟體，還有 CUDA version 7.5 及 cuDNN version 5 進行深度學習，以求提升分析能力。他們藉由這個組合訓練一套卷積神經網路，對所有資料進行影像分析作業。
Lewis 的團隊採用五重交叉驗證法，將患者資料分成五組，每組進行一回合的訓練，如此一來確保在進行評估的過程中，每名患者的資料都會在截留（hold-out）組裡使用一次，以提高準確性。
提高準確性＝減少使用活體組織切片
結果不言而喻：Lewis 表示他的團隊在對410名患者驗證 EV-FPS 的過程中，將癌症檢測準確率提高了 40%（與 PSA 檢測法比較），代表前述的130萬人有半數無需摘取切片。
這項影響促使團隊將這項新的檢測法進行商業化，並且成立了一家名為 Nanostics 的公司來負責推廣這項檢測法。EV-FPS 包裝成名為 Clarity DX 的產品，而擔任 Nanostics 執行長一職的 Lewis，表示 Clarity DX 將於2018年中以新的篩選法之姿上市。該公司打算取得 FDA 的許可，以便明確宣稱其功效。
這或許只是一項開端。Lewis 預見這項分析細胞外囊泡生物標誌的全新檢測法，可能會對篩檢其它癌症或神經退行性疾病的方法，帶來不同程度的影響性。
圖片：阿爾伯塔大學攝護腺癌研究人員 Dr. John Lewis（左）與研究生 Srijan Raha 共事。圖片提供：阿爾伯塔大學