在雙重攻擊中利用糖尿病藥物餓死癌細胞

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

我們先前詳細介紹過用細菌以毒攻毒對付癌細胞的新進展，另一種我們也很熟悉但是避之惟恐不及的微生物，現在居然也華麗轉身，成了抗癌新利器，那就是——病毒。

科學家已經製造出基因改造病毒，注射到癌症患者體內，讓病毒感染癌細胞，把惡性腫瘤像一坨冰淇淋般溶化。這些超微型對癌必殺兵器是怎麼打造出來的呢？而且這樣做，就像開大門放一群餓狼進來咬老虎，難道不會害死正常細胞嗎？

能殺死癌細胞的病毒是什麼？請叫我「溶瘤病毒」！

很多病毒能感染人體，造成各種不舒服和損害，舉個例子，疱疹病毒讓人長出一片又熱又痛的水泡，腺病毒害人發燒、眼睛佈滿血絲或腹瀉。更具體地說，病毒有鑽進活細胞的特殊能力，接著搶走細胞裡面製造各種生物分子的生產線，用來組裝和複製它自己，最後一窩蜂的病毒再一起打破或鑽出細胞，繼續向四面八方擄掠燒殺。經歷過 covid-19，大家應該都很清楚了。 

從另一個角度看，病毒就像是一群強行入侵人體的超微型機器人，準確鎖定攻擊目標，把細胞的物資掠奪個精光，臨走前還從內部爆破活細胞，手段可說相當的惡劣。

然而病毒這種高效率的惡劣，就如同其他危險且糟糕的事物一樣，吸引了科學家的好奇心，激發了他們的創意，有科學家就問啦：那有沒有辦法挑選出病毒煉成新藥，去爆破癌細胞呢？打一針兇惡的病毒去獵殺狡詐的癌細胞，使腫瘤崩潰溶解，以毒攻毒，豈不是一等巧招。

而且，溶瘤病毒可以引發後續一連串針對癌細胞的免疫反應，繼續擴大戰果。也因為病毒會激發免疫反應，所以溶瘤病毒也歸類為癌症免疫治療的一種。

我們在之前介紹免疫新藥的影片，有說明過癌細胞躲過免疫系統偵查的三大詭異功夫，這邊超快速回顧一下：第一招是癌細胞把身上的識別分子減少，使自己隱形；第二招是癌細胞戴上面具假裝成好細胞，矇騙過關；第三招是強行踩下免疫細胞的剎車板，中斷免疫攻擊。

溶瘤病毒的根本原理，是只要癌細胞的細胞膜表面存在著病毒的受體，病毒就能強行突破防禦、攻進細胞，無視癌細胞的第一和第二招。這就好像癌細胞耍大刀耍得虎虎生風，病毒根本不管這些，直接先給它一槍就對了。

2015 年，美國食品及藥物管理局（FDA）核准一款治療黑色素細胞瘤的 T-VEC 溶瘤病毒上市，使用的素材是第一型單純疱疹病毒（HSV-1），被視為是這個領域的里程碑。這種病毒其實我們很熟悉，它就是唇疱疹的病原體，感染後容易在嘴唇、鼻子、下巴這一帶長出一片水泡或潰瘍。

T-VEC 也是目前唯一一款世界多國普遍核可使用的溶瘤病毒。其他像是中國 2005 年核准治療鼻咽癌的 H101，或是日本 2021 年核准治療腦部惡性腫瘤的 Delytact，取得的都只有本國或少數幾個國家的許可證。

病毒連續技，打得癌細胞難以招架

病毒為什麼能溶解摧毀腫瘤？大致來說，溶瘤病毒能以三連發的連續技來攻擊癌細胞。

第一擊，經過基因改造的病毒先感染癌細胞，侵入細胞內，開始繁殖，然後破壞癌細胞。這些病毒先經過人工移除掉一些致病基因，降低危險性，同時放入能增加治療效果的基因，例如常用的一種基因是顆粒單核球群落刺激生長因子，簡稱 GM-CSF，這種因子能活化和吸引更多免疫細胞來圍攻癌細胞，這個功效就和病毒的第二擊有關係。

第二擊，癌細胞死掉後散落出大量抗原和分子訊號，會吸引免疫系統的注意，將樹突細胞、T 細胞等多種免疫細胞從身體各處召喚過來。還有，病毒一進到人體，很短時間內樹突細胞就會辨識出病毒，接著釋放第一型干擾素。第一型干擾素是一種能刺激免疫系統的細胞激素，經過一連串下游反應，可以直接造成腫瘤損傷。同時，第一型干擾素也會促使 T 細胞聚集到腫瘤所在地，一起圍剿癌細胞。

接著是第三擊，病毒殺掉癌細胞以後也有機會連帶引發遠端效應（abscopal effect）。什麼是遠端效應呢？破掉的癌細胞散出抗原，身體借由這些抗原當作教材，培育出一群擁有辨識癌細胞能力的免疫細胞。這些免疫細胞順著血液循環，跑到遠方沒有感染病毒的腫瘤位置，把這些癌細胞一併消滅掉，這就叫做遠端效應，可說是「犯我免疫者，雖遠必誅」。

看到這裡，你應該會好奇，病毒會感染癌細胞，難道健康細胞就不會一同遭殃嗎？這就要回到剛剛提到的干擾素下游反應。正常情況下，第一型干擾素能啟動人體細胞內建的清除入侵病毒的機制，但是大多數癌細胞的干擾素反應路徑有缺陷，換句話說，同樣都會被病毒感染，健康細胞有能力排除掉病毒，癌細胞卻沒辦法，到最後矜不住，傷重斃命。這種效應是溶瘤病毒能瓦解腫瘤，同時減少傷害患者身體的重要關鍵。

但是，可不是每種病毒經過基因改造以後，都能像魔法少女般華麗變身。天底下病毒那麼多，怎麼樣才能找到合適的病毒來改造成抗癌的超微型機器人呢？

哪些「人選之毒」能變身對癌細胞特攻兵器？

病毒萬萬種，要從裡面挑到合適的素材，簡直像大海撈針。不過，以目前的醫療技術，還是有一些路徑可循。

一般來說，基因體比較大的病毒相對於基因體小的病毒，有更大的空間能加入其他基因來修飾病毒，因此在製造過程上，大病毒比小病毒容易操作。

除此之外，DNA 病毒比較容易透過重組 DNA 的分子工程技術來改造，例如治療黑色素細胞瘤的 T-VEC 溶瘤病毒就是 DNA 病毒，改造 RNA 病毒所需的技術相對比較困難。

不過臨床上的真實需求比技術層面的考量複雜得多，像是基因體較大的病毒雖然容易操作，但是病毒的體積也大，很難通過血腦障壁。血腦障壁是一層包圍在腦部外面的緊密組織，就好像城牆一樣，是身體對腦的保護措施，只有小尺寸的物質才能通過牆上的孔隙。

大病毒過不去，小病毒卻有機會藉由一些特殊的生化機制潛入，因此想要治療腦部惡性腫瘤，或是其他血液或淋巴系統擴散到腦內落地生根的癌細胞，選擇小病毒就比較有利。

另一個臨床上的考量是，DNA 病毒雖然技術門檻相對低，但因為天然環境裡很多種 DNA 病毒容易感染人類，許多人的血液裡已經存在抗體，病毒注射進患者體內後很快被抗體中和，還來不及抵達腫瘤就沒力了。

在這種情況下，通常會考慮不把病毒輸注進靜脈血管，而是直接注射到病灶位置，避免病毒在血液循環過程中被清除。或者是，不使用 DNA 病毒，改用更容易在體內自行複製的 RNA 病毒，而且一般來說，人體帶著有效的 RNA 病毒抗體的機率比較低，就有機會減少這一類問題。

還有最關鍵的一點，就是癌細胞表面一定要有病毒的受體，病毒才能鑽進癌細胞，否則就算病毒的殺傷力再厲害，也無用武之地，所以癌細胞的種類和性質會直接決定能選擇哪些病毒來製成藥物。

最後還有一些實務上的環節要克服，像是製作、儲存、搬運到醫院和注射的過程中，病毒必須能保持穩定，不因為熱、光線、酸鹼度等因素而分解。這難度可不低啊。

這樣一關一關篩選下來，目前只有少數的病毒能滿足這些需求。根據 2023 年 1 月《Nature Reviews Clinical Oncology》和 4 月《Nature》旗下子刊《訊息傳遞與標靶治療》的回顧性文章，現在用來開發溶瘤療法的病毒有疱疹病毒、腺病毒、麻疹病毒、克沙奇病毒和水疱性口炎病毒等等。

溶瘤病毒還要突破哪些關卡？

溶瘤病毒雖然吸引全球許多的關注，一批批科學家和企業投入大筆時間金錢往這個方向衝刺，不過，擋在前面等待突破的難關一點也不比其他癌症新療法少。

一個很骨感的現實是，雖然溶瘤病毒已經發展超過 20 年，截至 2023 年 6 月為止，各國核准的溶瘤病毒只有四款而已，可見得把病毒煉成抗癌藥這條路並不好走。

大致來說，溶瘤病毒療法需要通過三關的考驗。第一個關卡是腫瘤異質性。腫瘤來自身體細胞突變誕生的壞細胞，腫瘤在長大過程中，內部各處的細胞也會繼續發生突變和複製，因此會演變成一顆腫瘤是由一小群一小群帶有不同基因突變的癌細胞聚集起來的情況，這種現象叫做異質性。

打一針病毒瓦解了一部分腫瘤，但其他帶有不同突變的癌細胞因此訓練出抗藥性，下一針再打同樣的病毒可能效果就變差了，這是臨床治療的一個難題。

可能的解套辦法之一，是注射了幾次病毒以後，換成其他病毒，就好比替換抗生素使感染身體的細菌來不及適應，因而遭到殲滅。

第二個關卡是腫瘤微環境，腫瘤內部這個狹窄空間是一個大魔境，免疫細胞攻進來以後，面對的是一個會壓抑免疫活性的嚴苛環境。打個比方，就像是特種部隊好不容易攻進恐怖分子大本營，結果發現房間裡布滿催眠瓦斯和詭雷。病毒雖然能滲透進腫瘤內部進行破壞，但是接到消息趕來增援的免疫細胞很快變得疲軟無力，因此能獲得的戰果就少了。

結合不同免疫療法，多拳出擊！

現在科學家認為，結合溶瘤病毒和免疫檢查點抑制劑（immune checkpoint inhibitor），是一種有希望的做法。我們先前詳細介紹過免疫檢查點抑制劑，這一群新藥能活化免疫系統，用病毒先打頭陣，摧毀一部分癌細胞，吸引免疫細胞參戰，接著藥物強化免疫細胞戰力，好像補師給戰士上 BUFF，一擁而上擊垮癌細胞。有興趣可以點這支影片來看。

像是 2023 年 5 月，一款使用腺病毒搭配免疫檢查點抑制劑 Pembrolizumab 的新療法，用來治療腦部膠質母細胞瘤，初步臨床試驗結果刊登在《Nature Medicine》，成功延長部分患者的存活時間。

另一方面，先前在 2022 年 8 月《Cancer Cell》的一項研究也顯示，溶瘤病毒加上 CAR-T 或 TCR-T 這類免疫 T 細胞療法，有機會產生加乘效果，甚至可能突破以往 CAR-T 只用於治療血液和淋巴癌症的侷限，讓 CAR-T 也能破壞實體腫瘤。

還沒大顯身手就衰弱了？溶瘤病毒護送計劃！

第三個關卡是病毒在長途行軍到病灶的過程中減弱。這是什麼意思呢？前面有說到，如果在注射前，患者血液裡已經有自然環境中同類病毒誘發產生的抗體，病毒部隊在還沒趕到目的地之前就潰敗了。再加上血管和器官的內皮細胞會擋住病毒，還有體內的其他多種免疫反應也會快速清除病毒，因此遞送病毒的效率低落，是現階段溶瘤療法的一個關鍵瓶頸。

雖然可以嘗試把病毒直接打進腫瘤病灶，但是如果腫瘤長在內臟，會需要特別的注射技術。要是患者已經到了晚期，癌細胞轉移到遠處器官，就還是必須把病毒輸注到靜脈血管，讓血液循環把病毒送到全身。

或是假如腫瘤分布在腦室、肋膜腔、膀胱或脊髓腔等腔室，也可以用特殊技術注射進這些位置。尤其是針對腦部惡性腫瘤和腦轉移的癌細胞，因為大多數病毒通不過血腦障壁，經常需要採用這種方式。

不過這些方法還是相對屬於高侵入性，對病人傷害可能比較大，因此科學家研發了另一種聰明的方法，那就是用活細胞當做載體，等於讓病毒搭便車兼提供一層保護殼，運送病毒抵達腫瘤。

2021 年《Molecular Therapy Oncolytics》的一項動物研究使用自然殺手細胞（natural killer cell）來搭載病毒，自然殺手細胞是免疫系統的一員，可以繞過身體的阻擋機制，好像一架漆著友軍識別標誌的運輸機穿過我方領土，把空降部隊載到敵人陣地上方。同年 12 月底《Pharmaceutics》一篇回顧報告列出研發中的載體細胞，還包括了 T 細胞、巨噬細胞和樹突細胞等。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

18 世紀工業革命，人力從家庭進入工廠，連孩子們也無法倖免。為了保障童工的權利，1819 年英國制定了《工廠法》（Factory Act），規範合法工作年齡和時數。^[1]現在 COVID-19 又把部份勞工趕回去，在家工作的現象，竟讓英國企業動了「善用」童工的念頭……。

學童成為人工智慧幕後推手

2020 年英國政府因應 COVID-19 疫情，成立了「橡樹國家學院」（the Oak National Academy）網路平台，提供線上教學課程。這招多少能挽救受學校停課影響的教學品質，但解決不了封城或隔離期間課後活動的匱乏，無聊到快抓狂的孩子，差點逼瘋在家工作的家長。此時，數位病理科技集團 PathLAKE 橫空出世，為家長分憂，「順便」利用學童來發展人工智慧。^[2]

• 人工智慧（artificial intelligence）的「機器學習」（machine learning），大略分為三種：

1. 監督式機器學習（supervised machine learning）：把標註好的資訊，餵給機器。由於標註的步驟是人類執行的，機器在學習的過程中，會逐漸朝人類設定的目標，愈加精準。^[3]
2. 非監督式機器學習（unsupervised machine learning）：要求程式從未標註的資料中，找出現象或模式。在人類沒有插手的狀況下，有時會得到出乎意料的結果。^[3]
3. 增強式機器學習（reinforcement machine learning）：設下獎勵機制，讓機器從嘗試中學習。例如：告訴自駕車它在行駛中，做對了哪個決定。^[3]

PathLAKE 集團想做的是病理圖像的「監督式機器學習」。然而，標註資料的工作耗時費力，近年選擇從事病理科工作的醫師比例又大不如前。於是，「童工」就成為填補業界人力空缺的另類解方。

PathLAKE 的策略，大致上是這樣的：首先，昭告天下說這裡有個線上課外活動，即將開放給學童參加。拐來一票願意簽署同意書的家長後，先教他們的小孩癌細胞長怎樣。等小鬼頭們學得差不多，便可以玩遊戲闖關，藉此驗收他們的學習成果。依循此模式，將來或許就能聘僱為數龐大的「童工」，來標註病理圖像，然後再以此數據資料訓練人工智慧機器。^[2]

「打敗病理學家」細胞形態辨識競賽

PathLAKE 集團舉辦的活動分二個梯次，每次都招募 3 個不同年齡層的學童：4 到 11 歲、11 至 16 歲以及 16 到 18 歲。他們透過網路學習基礎的「細胞形態學」（cell morphology），以辨識乳癌細胞染色影像的 4 種類型：陽性癌細胞（positive tumour cell）、陰性癌細胞（negative tumour cell）、陽性非癌細胞（positive non-tumour cell），還有陰性非癌細胞（negative non-tumour cell）。課程結束，便參與競賽。^[2]

以下是二個梯次競賽部份的內容與差異：^[2]

• 測試版競賽（Pilot competition）: 

1. 關卡：遊戲總共有三關，關卡名稱「微辣」（Mild）、「中辣」（Hot）、「大辣」（Spicy），聽起來頗像麻辣鍋的辣度分級……，每一關分別有 20、30 和 50 張影像，要參賽者辨識。
2. 成績：報名並完成線上課程的 28 名學童中，僅有 5 人參加競賽。其中只有 1 人成功地從「微辣」晉級到「中辣」，而「特辣」根本沒人玩。教學和遊戲的難度，明顯須要調整。

• 主要競賽「打敗病理學家」（＂Beat the Pathologists＂）：

有了上一梯次的經驗，PathLAKE 團隊修改設計，於 2020 年 10 月的「牛津科學節」（the Oxford Science Festival）推出「打敗病理學家」活動。

1. 關卡：這回有「微辣」（Mild）、「中辣」（Hot）、「大辣」（Spicy）以及「特辣」（Supercharger），共 4 個關卡，邀請參賽者分別得挑戰 20、40、60 和 80 張影像。
2. 成績：總計 98 位學童登記報名中，有 95 人參與競賽。其中 91 人通過「微辣」考驗，經過層層過關斬將，最終 22 人成功解鎖（含 15 人晉級）「特辣」關卡。

成效與願景

皇家病理學家協會（the Royal College of Pathologists）在 2020 年「國家病理週」（National Pathology Week）期間，宣傳 PathLAKE 的活動。PathLAKE 集團本身也萬分滿意其成效，在 2022 年 5 月 12 日的《科學報告》（Scientific Reports）期刊中，表示「學童有精確標註細胞的高度潛力……，期望此類的競賽不光使他們對病理學和人工智慧產生興趣，還能促進病理學家與電腦科學家的合作」，並預告他們之後會推出一個標註「腺體結構」（glandular structures）的新活動。^[2]

當然，看完「資方」的心得與願景，也該來瞭解一下「勞方」的處境。在英國文豪狄更斯（Charles Dickens）小說《孤雛淚》（Oliver Twist）描述的 19 世紀維多利亞時代，兒童被家長或監護人逼迫去工作，工時冗長且勞動環境惡劣。^[4]

將近二個世紀的時間過去後，COVID-19 疫情期間的英國學童，是否受到相對優渥的待遇？

從 PathLAKE 團隊的片面描述，我們可以得知：除了病理知識外，每位活動成員均得到參與證書一份，前三名則另有獎項。

1. Impact of government acts improving working conditions（BBC）
2. Lessons from a breast cell annotation competition series for school pupils（Scientific Reports, 2022）
3. Machine learning, explained（MIT Sloan School of Management, 2021）
4. Children in Dickens’s Novels（International Journal on Studies in English Language and Literature, 2014）