如何运用 GPU 分析细胞，减少不必要的摄护腺癌活体组织切片

每年在北美洲约有130万人接受活体组织切片，以判断他们是否罹患摄护腺癌。这些只是遵照医嘱进行多次检测，以查证是否有癌症病状，但其中许多病历最后证明是无需进行切片。

阿尔伯塔大学的研究团队期望以依靠 GPU 运算的全新检测方式来改变现状，将取得活体组织切片的数量减少一半。

名为“摄护腺特异抗原”（Prostate-Specific Antigen，PSA）的实况筛检法，其实“不是那么可靠，许多男士进行活体切片，没有什么好处，还会在过程中增加感染和出现其他副作用的风险。”阿尔伯塔癌症基金会资助成立之“Frank和Carla Sojonky前列腺癌研究主席”的John Lewis 说。

将重心放在囊泡上

Lewis 的团队采用另一种称为“膜泡指纹预测评分”（Extracellular Vesicle Fingerprint Predictive Score，EV-FPS）的方法。内部充满液体的细胞外囊泡负责在细胞间传递信息，研究人员使用 EV-FPS 法仔细检查囊泡，分析细胞外囊泡的生物标志资料，预测是否存在着癌细胞的精准程度高于 PAS 检测法。

难题在于新的检测法使用四种生物标志一一分析多达500万个囊泡，每名患者产生出总数达两千万个资料点。但这些囊泡里潜伏着已诞生于摄护腺的囊泡，每个囊泡都是一种自身起源的细胞图谱。

此时正是 NVIDIA GPU 和深度学习工具派上用场的地方。

“这么多的资料，不可能靠肉眼去找出关键的癌症模式，这使得我们改用 GPU。”Lewis 说。

研究团队将 NVIDIA GeForce GTX GPU 搭配 Mathworks 的 MATLAB 数字运算软件，还有CUDA version 7.5 及 cuDNN version 5 进行深度学习，以求提升分析能力。他们藉由这个组合训练一套卷积神经网络，对所有资料进行影像分析作业。

Lewis 的团队采用五重交叉验证法，将患者资料分成五组，每组进行一回合的训练，如此一来确保在进行评估的过程中，每名患者的资料都会在截留（hold-out）组里使用一次，以提高准确性。

提高准确性＝减少使用活体组织切片

结果不言而喻：Lewis 表示他的团队在对410名患者验证 EV-FPS 的过程中，将癌症检测准确率提高了 40%（与 PSA 检测法比较），代表前述的130万人有半数无需摘取切片。

这项影响促使团队将这项新的检测法进行商业化，并且成立了一家名为 Nanostics 的公司来负责推广这项检测法。EV-FPS 包装成名为 Clarity DX 的产品，而担任 Nanostics 执行长一职的 Lewis，表示 Clarity DX 将于2018年中以新的筛选法之姿上市。该公司打算取得 FDA 的许可，以便明确宣称其功效。

这或许只是一项开端。Lewis 预见这项分析细胞外囊泡生物标志的全新检测法，可能会对筛检其它癌症或神经退行性疾病的方法，带来不同程度的影响性。

图片：阿尔伯塔大学摄护腺癌研究人员Dr. John Lewis（左）与研究生Srijan Raha 共事。图片提供：阿尔伯塔大学