活得像恐怖片：口腔癌怵目驚心的畫面

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

我有超棒的菸草，但你沒有！

法國兒歌〈我有超棒的菸草〉唱道：「我的菸盒裡有超棒的菸草。我有超棒的菸草，你沒有⋯⋯」超棒的！

我們讓天真的孩子知道抽菸能帶來愉悅感（雖然抽菸有害健康），以及要如何輕蔑地挖苦朋友（這菸超棒，但你沒有！）。

傳說這首兒歌的作者是作曲家暨詩人拉泰尼昂（Gabriel-Charles de Lattaignant, 1697–1779），這代表兩件事：當時菸草已經遍布法國，而且是最令人開心的作物之一。

發現菸草的尼古丁

菸草的學名是 Nicotiana tabacum，自十六世紀起引入法國。拉丁文屬名「Nicotiana」的取名緣由並不是因為菸草含有尼古丁（nicotine），正好相反，1828 年人類分離出尼古丁時，使用菸草的學名為這種惡名昭彰的物質命名。

而「Nicotiana」又來自菸草的「發現者」尼柯（Jean Nicot, 1530–1600）。這裡的引號十分必要。

首先，早在歐洲人之前，美洲印第安人自古以來都有使用菸草的習俗。接著，尼柯不是在亞馬遜發現菸草的人，他甚至從來沒離開歐洲！

尼柯只是將菸草引進法國。最後，雖然他享有引入這種害草的光環，但他甚至不是第一個引入菸草的人。他真的不是！尼柯偷走了另一個人的貢獻，真正引入菸草的人是個更富有冒險精神的修士，名字叫做特維（André Thevet, 1516–1592）。

特維才是真正的菸草引入者

特維的貢獻經常遭人遺忘。如果惡名昭彰的尼古丁叫做「特維丁」，那我們可能就比較記得他（不過黃夾竹桃糖苷的法文的確是「特維丁」，得名自拉丁文學名為「Thevetia」 的黃花夾竹桃──命名緣由的確就是特維）。凱撒的該還給凱撒，那特維的也該還給特維。

特維生於 1503 或 1504 年的法國西南小鎮安古蘭⋯⋯也 有可能是 1516 年（畢竟太久以前了，沒有人清楚）。他生於農家。

10 歲時，可憐的特維即便不樂意，仍然被送到修道院，之後成了修士。他曾短暫念過書，但沒念過植物學。很驚人嗎？他的這點缺陷瑕不掩瑜，畢竟他讀了不少名家鉅作，包括亞里士多德和托勒密等等。

此外，他尤其有著強烈的好奇心，十分渴望認識這廣大的世界。這並不意味著他想還俗，只是書籍和旅行都比修道院生活還來得有趣太多了。

如果你去了里約，別忘了帶點菸草回來

他從短程航行開始：義大利、巴勒斯坦、小亞細亞。特維回來時簡直興高采烈，而命運很快又帶給他另一個機會，得以參與一場宏大的冒險。

國王亨利二世派出軍官暨冒險家維爾蓋尼翁（Nicolas Durand de Villegagnon, 1510–1571），希望在巴西建立法國殖民地。

於是我們天真無邪的僧侶特維啟程前往南美洲，但他不是為了參加里約熱內盧的嘉年華，也不是要去度假勝地科帕卡巴納享受日晒，更不是要大跳森巴舞。

要記得，特維是名僧侶，而巴西也只是葡萄牙人在五十年前發現的一個新興地區。而且，新建立的殖民地將命名為「南極法蘭西」（France antarctique）。共有 600 名移民隨著維爾蓋尼翁和特維一起前往新大陸。

特維對他發現的一切事物都感到驚奇不已。他彷彿不停地低聲唱著名曲：「如果你去了里約，不要忘記登高望遠」。

他還將所有的新鮮事物稱為「singularitez」（特維自創的字，與「singularité」〔獨特性〕發音相同且拼寫相似）。

當時仍 是文藝復興時代，人類對世界的認識還相當有限，因而還請各位讀者海涵特維看似幼稚的傳奇行徑。

他履行冒險家的職責，蒐集不少樣本：植物、鳥類、昆蟲，甚至還有印第安人的武器、物品和一件羽毛長袍（當然不是為了嘉年華的扮裝，而是為了學術用途）。

有些人嘲笑不務正業的特維其實最想抱回家的是獎盃。別忘了，他在船上的職務其實是神父，而不是博物學家。但無論如何，他有著觀察入微的靈魂，並且渴望知識。可惜他在新殖民地的時光很快就落幕了⋯⋯

——本文摘自《植物遷徙的非凡冒險》，2023 年 6 月，時報出版，未經同意請勿轉載。

1 月 12 日立法院三讀通過修正「菸害防制法」部分條文，你有曾想過，小時候而熟能詳的吸菸對身體有害，這句話的出處是哪裡嗎？還有吸菸如何對身體有害呢？

菸草什麼時候開始被認為對身體有害？

最早可以追溯到 1602 年的匿名投稿論文《煙囪清潔工的工作》^{[ 2 ]}，其中指出，煙灰經常造成煙囪清潔工出現一些疾病，而菸草可能也有類似的影響，這是已知最早將吸菸與對身體有不良影響掛勾。

但直到 1964 年，美國公共衛生部長路德·泰瑞 (Luther Terry) 發佈了一篇名為《吸煙與健康》^{[ 3 ]}的報告，文章中直接寫到「香菸與人類肺癌有關」、「罹患肺癌的風險隨吸菸期間和每日吸菸數量而提高，並隨戒菸時間而降低」，並做出了一個結論「吸煙會導致癌症」。

這時候你可能會想，那所以他們有直接證據來證實嗎？但事實是在這篇論文發布的當下，其他他們手中握有的證據並不是非常足夠，但為何當時候美國公共衛生部長就直接結論吸菸是肺癌的成因呢？

為何研究證據不足，還說吸菸會造成癌症呢？

首先，我們先介紹一下時空背景：

1. 約 1960 年，美國的吸菸人數推測有大約 40 %，而且其中半數以上的人每天至少吸一包煙，也就是 20 支以上^{[ 4 ]}。
2. 在 1900 年初期，其實肺癌是十分罕見的疾病。1898 年有一名博士生寫了一篇文章，檢視當時全世界所有的肺癌病例，總共只有 140 例^{[ 5 ]}。但二十世紀時，肺癌案例激增，同時香菸的銷售量也增加。
3. 1950 年代，越來越多期刊將吸菸認為可能是造成癌症的成因^{[ 7-11 ]}。

這時候你可能發現了，吸菸和癌症似乎真的有點關聯，那我們該怎麼證明呢？這時候我們可以透過隨機對照實驗來比較吸菸者與非吸菸者，兩者在於肺癌發生率的差別。

你可能會問，那隨機對照實驗是什麼？簡單來說就是找兩組人，並將其分為變因控制幾乎相同的兩組，並讓一組保持不吸菸的狀態，讓另一組保持著持續吸菸的狀態，然後每年檢查他們的身體狀況，這樣我們就可以有個最直觀的證據來檢測吸菸到底有沒有害。

這時候你一定很好奇，那結果呢？這邊我簡單介紹兩個結論：吸菸者死於肺癌的機率平均是不吸菸者的 11 倍，而吸菸量較多的人死亡的風險比不吸菸者高出 120 %^{[ 3 ]}，這時候你一定會說，明明都有這些統計數字了阿，那為什麼還會說證據不足呢？

因為當時並不知道吸菸是如何造成肺癌的，就像當時菸草業者說：「有任何人能夠證明香煙煙霧中發現的任何成分是造成肺癌的原因嗎？並沒有。^{[ 6 ]}」，他們的說詞是：「很多都有關聯，但你們沒有明確證據的猜測，這件事就是『不一定』是對的。」

那為什麼美國公共衛生部就直接說吸菸就會導致肺癌呢？其實他們並不知道，但他們藉由一下幾點原因才決定禁止：

1. 肺癌人口比例激增發生在吸菸人口增加後。
2. 絕大多數的肺癌患者有吸菸。
3. 不同族群中都出現這關聯。
4. 吸菸風險相當高，如果吸更多菸風險更高。
5. 肺癌存活率低。

所以雖然沒有像現在一樣多的證據來支持吸菸是如何造成肺癌，但美國公共衛生部還是決定宣布吸菸會導致癌症。

越來越多的證據證明，吸菸是如何傷害身體

前面我們說到，科學家從統計上面找到吸菸與肺癌之間的關聯，現在我要從生物與化學的角度來探討，煙霧與肺癌之間的直接關聯。

這時候我們可以從香菸含有的成分下手，找出其中的致癌物，也就是引起癌症的分子，從實驗數據來看，香煙煙霧至少含有 3500 種化合物和 55 種致癌物質，其中以多環芳香烴（PAHs）和 4 -甲基亞硝胺基 – 1 – 3 – 吡啶基 – 1 -丁酮（NNK）作為致癌的主要分子^{[ 12 ]}。

這邊我以 NNK 為例，實驗人員利用給予老鼠不同劑量的 NNK ，來測試老鼠食用多少 NNK 才會罹癌，從數據上來看老鼠的半數致死量 (LD50) 為每公斤 1 克^{[ 13 ]}。半數致死量換句話來說，也就是多少劑量可以造成一半的生物致死，拿上述的實驗為例，假設老鼠平均體重為 300 克，那我們投放含有 0.3 克 NNK 的物質就可以造成半數的老鼠死亡。

那究竟為什麼 NNK 會造成癌症呢？別急，我們先看看 NNK 進入身體內會發生什麼事？不難想像的是，大部分 NNK 就會順著身體的清理機制離開身體，但少部分的 NNK 會被 P450 細胞色素(身體裡的一種蛋白質，主要作用是催化氧化有機化合物)代謝成具活性的 NNK ，而這個活性物質就會與身體裡的 DNA 結合，結合後就會造成致癌基因和腫瘤抑制基因的有害突變，這可以被認為是腫瘤造成的起始^{[ 14 ]}。

最後你可能會問，到底是什麼基因突變才會造成肺癌？答案就是 KRAS 和 TP53 這兩個基因，同時它們也被認為是肺癌的預測指標^{[ 15 ]}。

結論

我們可以簡單來說，吸菸為何會造成癌症，因為吸菸中的有害物質 NNK ，會進入人體中，然後被 P450 細胞色素激活並與 DNA 結合，然後碰巧與 KRAS 和 TP53 其中一個基因結合，就會讓人有很高機率會的癌症。

這個看起來很簡單的結論，其實也是每個科學家花很多時間，與實驗動物們的貢獻，才讓他們說明了燃燒後的菸草產生化學物質是如何對我們的健康產生威脅，使得我們制訂嚴苛的法案，去警告大家香菸的危害，讓我們可以活得更健康。

後記-有趣的小故事 

從歷史我們能夠了解，要釐清真相並非一件容易的事，其實在 1920 年代就有一名化學家 Angel Honorio Roffo 通過實驗證明，燃燒煙草產生的焦油會誘發癌症，可惜不幸的是因為二戰的緣故，德語的醫學期刊就被世人給遺忘，不然就不會有找不到菸草致癌的實驗證據^{[ 16 ]}。

參考資料

1. 菸害防制法三讀祭重罰 禁電子煙 (https://reurl.cc/rZWmYb) (1.14.23)
2. A brief history of smoking (https://reurl.cc/jR0L71) (1.14.23)
3. Terry, Luther, and S. Woodruff. “Smoking and health: report of the Advisory Committee to the Surgeon General of the United States.” U-23 Department of Health, Education and Welfare. Washington DC: Public Health Service Publication 1103 (1964).
4. Fewer Heavy Users Among Shrinking US Smoking Population (https://reurl.cc/GX3LEv) (1.17.23)
5. Zaidan, George. Ingredients: The Strange Chemistry of What We Put in Us and on Us. 1st ed., Dutton, 2020.
6. K. Michael Cummings, Anthony Brown, Richard O’Connor; The Cigarette Controversy. Cancer Epidemiol Biomarkers Prev 1 June 2007; 16 (6): 1070–1076. https://doi.org/10.1158/1055-9965.EPI-06-0912.
7. Schrek R, Baker LA, Ballard GP, Dolgoff S. Tobacco smoking as an etiologic factor in disease. I. Cancer. Cancer Res 1950;10:49–58.
8. Wynder EL, Graham EA. Tobacco smoking as a possible etiologic factor in bronchogenic carcinoma. JAMA 1950;143:329–336.
9. Levin ML, Goldstein H, Gerhardt PR. Cancer and tobacco smoking. JAMA 1950;143:336–8.
10. Wynder EL, Grahmam EA, Croninger AB. Experimental product of carcinoma with cigarette tar. Cancer Res 1953;13:855–4.
11. Hammond EC, Horn D. The relationship between human smoking habits and death rates: a follow-up study of 187,766 men. JAMA 1954;155:1316–28.
12. Stephen S. Hecht, Tobacco Smoke Carcinogens and Lung Cancer, JNCI: Journal of the National Cancer Institute, Volume 91, Issue 14, 21 July 1999, Pages 1194–1210, https://doi.org/10.1093/jnci/91.14.1194.
13. Lewis, R.J. Sr. (ed) Sax’s Dangerous Properties of Industrial Materials. 11th Edition. Wiley-Interscience, Wiley & Sons, Inc. Hoboken, NJ. 2004., p. 2486.
14. Xue J, Yang S, Seng S. Mechanisms of Cancer Induction by Tobacco-Specific NNK and NNN. Cancers (Basel). 2014 May 14;6(2):1138-56. doi: 10.3390/cancers6021138. PMID: 24830349; PMCID: PMC4074821.
15. Gao W, Jin J, Yin J, Land S, Gaither-Davis A, Christie N, Luketich JD, Siegfried JM, Keohavong P. KRAS and TP53 mutations in bronchoscopy samples from former lung cancer patients. Mol Carcinog. 2017 Feb;56(2):381-388. doi: 10.1002/mc.22501. Epub 2016 Jun 6. PMID: 27182622.
16. Proctor RN. Angel H Roffo: the forgotten father of experimental tobacco carcinogenesis. Bull World Health Organ. 2006 Jun;84(6):494-6. doi: 10.2471/blt.06.031682. Epub 2006 Jun 21. PMID: 16799735; PMCID: PMC2627373.