北美地区每年有 130 万男性要通过活检来确定是否患有前列腺癌。虽然只有在多项检查指示可能存在癌症后才会安排做这种检查，但最终证明许多人并没有必要进行此类检查。
阿尔伯塔大学的研究人员希望采用一种新检查方法来改变这一情况，这种新方法依赖 GPU 计算，并且可以避免多达半数的活检。
名为前列腺特异性抗原 (PSA) 检查的实际筛查方法“不是很可靠，许多男性进行活检几乎得不到什么好处，而且在检查过程中，他们会面临出现感染和其他副作用的风险”，由阿尔伯塔癌症基金会资助的从事前列腺癌研究的 Frank and Carla Sojonky Chair 主席 John Lewis 说。
关注囊泡
Lewis 的团队采用了一种叫做“膜泡指纹预测评分”的不同方法。使用 EV-FPS 时，需要对膜泡（即支持细胞间通信且充满液体的囊泡）中的生物标志物数据进行分析。通过仔细检查囊泡，研究人员可以预测是否存在癌细胞，其精度高于 PSA 检查。
难点在于这项新检查要对多达 500 万个囊泡进行分析，而且每个囊泡使用四个生物标志物，这样一来，每个患者总共产生 2000 万个数据点。但潜藏在这些囊泡中的生物标志物是从前列腺中开始的，每个生物标志物均可用作其来源细胞的图谱。
这正是 NVIDIA GPU 和深度学习工具发挥作用的地方。
“信息量如此之大，因此完全无法用肉眼识别数据中的关键模式，于是我们想到了 GPU。”Lewis 说。
为了提升其分析能力，该团队将 NVIDIA GeForce GTX GPU 与 Mathworks 的 MATLAB 数字计算软件，以及用于深度学习的 CUDA 版本 7.5 和 cuDNN 版本 5 结合使用。这样一来，研究人员便可训练卷积神经网络来对所有这些数据进行基于图像的分析。
Lewis 的团队使用了一种名为五倍交叉验证的方法，将患者数据分为五组，对每组进行一轮训练。这可确保评估期间每个患者的数据在保留组中使用一次，从而提高模型的精度。
提高精度 = 减少活检次数
结果不言自明：Lewis 说，在对 410 名患者进行 EV-FPS 验证的过程中，与 PSA 检查相比，他的团队将癌症检测精度提高了 40%。这相当于这 130 万名男性中有一半人可以避免进行活检。
该效果使得该团队可以将这项新检查进行商业化，团队另行组建了 Nanostics 公司，专门致力于此项工作。EV-FPS 已经包装成一种名为 Clarity DX 的产品。作为 Nanostics 的首席执行官，Lewis 表示，该产品将作为一种筛选检查于 2018 年年中打入市场。该公司计划征得 FDA 对该产品的批准，以便对其性能做出具体的声明。
这可能只是个开始。Lewis 预见，这项分析膜泡生物标志物的新功能可能会对其他癌症或神经退行性疾病的筛选产生影响。
特写图像：阿尔伯塔大学前列腺癌研究人员 John Lewis 博士（左）与研究生 Srijan Raha 一起工作。图片来源：阿尔伯塔大学