【資訊圖表】抗癌新篇章 之 本庶佑與PD-1

• 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。

2018 年的諾貝爾生理醫學獎頒給了致力於癌症免疫治療的詹姆斯•艾利森 (James Allison) 博士和本庶佑 (Tasuku Honjo) 博士。他們所研究的「免疫檢查點療法」(checkpoint blockade) 是癌症免疫療法 (Cancer Immunotherapy) 的一種，原理是利用病人本身的免疫反應機制來對抗癌細胞。

癌細胞之所以能在我們的身體內隨意肆虐，是因為它們會誘使免疫細胞啟動「抑制免疫反應」的訊息傳導，換言之，就是讓免疫反應停擺、放過癌細胞。而兩位博士所研究的免疫檢查點療法則是要阻斷癌症細胞「抑制免疫反應」的訊息，讓免疫細胞得以在腫瘤內部被活化、並順利完成消滅腫瘤細胞的任務。

詹姆斯•艾利森主要研究的標的為免疫系統中作為「剎車」的蛋白質，T細胞中的蛋白質 CTLA-4。他領悟到如果能放開「剎車」則可能促使免疫細胞攻擊腫瘤，開啟了嶄新的「癌症免疫療法」。同時期本庶佑則研究解析 T細胞中的另一種蛋白質 PD-1，並同樣發現其亦有作為免疫「剎車」的功能，他研究的內容爾後成為很有效的癌症免疫療法標的。

此治療法的主要治療靶點，是 CTLA-4 和 PD-1 這兩個免疫抑制受體，如果它們跟各自的配體結合，就會抑制 T 細胞的功能和活動力。所以新藥就是要阻斷 PD-1 或 CTLA-4 的功能，讓我們的免疫系統恢復正常運作、打擊癌細胞。不過，光是依靠免疫系統其實很難完全「消滅」癌症，只是，藉由免疫系統的監控，或許有望降低癌細胞的影響力、讓癌症變成能和平共處的慢性病。

B 型肝炎研究

B 型肝炎是東亞的高致死率流行病，至今台灣仍有 250 萬名帶原者處在肝癌陰影下。中研院基因體研究中心楊懷壹副研究員，投入研究肝炎病毒 20 年，協助建構「肝癌風險計算器」。現在，他與團隊的最新發現，已接近治癒 B 型肝炎的最後一哩路。

自 1996 年加入陳建仁院士的團隊，楊懷壹進入台灣 7 個鄉鎮，徵求 2 萬 4 千名受試者提供檢體，長期追蹤研究 B 型及 C 型肝炎病毒慢性肝炎病患。並建立了肝炎病患罹患肝癌的風險預測評估，改善患者處境、降低國家醫療支出及社會負擔。團隊同時於國際醫學期刊發表了逾 80 篇重要論文，為全球肝炎醫療研究提供重要資訊基礎。

亞太地區隱形死神：B 型肝炎

面對 B 型肝炎，台灣可以算是國際的模範生。

B 型肝炎病毒（Hepatitis B Virus, HBV）是一種 DNA 病毒，其傳染途徑有二。第一種為母子分娩的傳染：由病毒抗原陽性母親（特別是 e 抗原陽性母親），於生產時經由血液、羊水、陰道分泌物傳染給新生兒。第二種則是水平傳染：病毒透過感染者的血液或血液製劑，經由皮膚黏膜傷口而傳染。

台灣是 B 型肝炎的高盛行地區，在全面接種疫苗前，居民帶原率約在 15~20% ，目前約有 250 萬名帶原者（病毒表面抗原持續超過 6 個月）。 1984 年台灣開始對 B 型肝炎表面抗原（HBsAg）陽性孕婦所生的嬰兒施打 B 型肝炎疫苗，1986 年開始為新生兒全面接種。此後，六歲兒童 B 型肝炎帶原率由 1989 年 10.5% 顯著下降至 2007 年 0.8% 。

B 肝病毒以亞太地區流行率特別高，其感染人口為 2 億 5 千萬人，約佔全球帶原者總數 3/4 。 25%~40% 的 B 型肝炎帶原者會進展為肝硬化、肝癌等末期肝臟疾病，導致患者死亡。

楊懷壹認為， B 型肝炎可說是屬於東亞的流行病，是在地特有的健康問題。面對這樣的問題，加以專注研究，反而可以在解決 B 型肝炎問題的方法上成為世界的領先者。現在許多西方國家在處理 B 型肝炎問題時，都要向台灣的研究者取經。而楊懷壹參與建構的「肝癌風險計算器」，以及團隊即將發表的「 PD-1 預測 B 型肝炎功能性治癒 」就是奠基於長期研究的重要成果。

科學算命：肝癌風險計算器

肝癌風險計算器可以將「相對」的危險性，轉換成「絕對」的風險估計。

台灣未接種 B 肝疫苗的世代已超過三十歲，是否會發展成肝硬化或肝癌，讓許多患者有芒刺在背般的憂慮。而醫療資源應該如何分配給不同處境、病況的患者們，也是重要的公共議題。

楊懷壹在 20 年前開始參與的大規模長期研究在此時發揮效果，他與團隊利用當時陳建仁院士所領導的長期追蹤世代 （REVEAL study cohort） ，研究三芝、竹東、朴子、高樹、馬公、白沙及湖西等 7 個鄉鎮的 B 肝患者病況發展，歸納出 B 型肝炎進展的重要危險因子，成為預測 B 型肝炎慢性患者 5 年及 10 年內肝癌發生機率的風險計算器。

楊懷壹針對肝癌危險因子如：性別、年齡、肝癌家族史、酗酒習慣、肝功能指標、 B 型肝炎病毒 e 抗原、 B 型肝炎病毒量以及病毒基因型等臨床指標進行大量樣本統計迴歸，得到各自權重，建構出肝癌風險計算器。

其中以「性別、年齡、肝功能指數、 e 抗原、病毒量」等 5 個指標最為重要，也是現行肝癌風險計算器的構成因子。

「在這些危險因子中，HBV DNA 檢測是最昂貴的，一次就要 2000 元以上，在社區中難以被接受。我們發現可以用表面抗原 HBsAg 「定量」檢測來取代，成本只要 200 元，希望能讓更多人得知自己的肝癌風險」楊懷壹說。現在肝癌風險計算器更已推出 app，讓智慧型手機使用者能夠自行檢測。

最後一哩路的起點：PD-1 應用於慢性 B 肝

透過 PD-1 相關研究，我們或許找到治癒 B 型肝炎最後一哩路的入口。

談到最新的研究成果，楊懷壹的語氣相當興奮。

計畫性死亡-1（Programmed Death-1）蛋白簡稱 PD-1，出現在 T 細胞表面，在免疫系統中具有負向調控（Negative regulation）功能 ，可以抑制 T 細胞活化及增生。楊懷壹說：「 PD-1 可以算是免疫系統的煞車因子。」

PD-1 有二種已知的配體（Ligands）： PD-L1 和 PD-L2 。當非淋巴細胞（如肝臟細胞或腫瘤細胞）在其表面表現 PD－L1 蛋白，並與 T 細胞表面的 PD-1 蛋白接觸並發生反應，此 T 細胞便會凋亡，失去免疫功能。

如此機制原本可以保護人體組織免於過度發炎，但也受到狡猾的 B 肝病毒利用，長期下來導致 B 肝病毒相關的免疫系統疲乏（T cell exhaustion），無力消滅肝炎病毒。也因為如此， B 肝病患自動痊癒（指血清中表面抗原消失）的機率相當低；即使以目前的抗病毒藥物治療，也難以提升治癒率。

目前的臨床抗病毒療法雖然能避免肝炎發展成癌症，但也無法清除病毒。患者必須不斷服藥，依靠外力對抗病毒，若是停藥則有嚴重風險。

楊懷壹眼神發亮地說：「經過反覆地實驗分析，我們發現了血液中可溶性 PD-1 濃度可以準確地預測 B 肝病患是否自動痊癒轉變為非帶原者；血液中可溶性 PD-1 濃度低的 B肝病患有非常高的比例可以發展出對抗 B 肝病毒的免疫力而自動痊癒！」

未來的臨床試驗，將可測試以抗體將 PD-1 及 PD-L1 的結合阻斷。肝炎病毒無法破壞 T 細胞，那麼患者的免疫系統就可以維持活化，自行消滅肝臟中的肝炎病毒，並有助產生抗體。 PD-1 抗體免疫療法的發展，讓所有 B 肝帶原者不僅免於擔憂肝癌，更可以保持清除病毒、最終停藥的希望。

這樣的成果看來令人興奮，但實際上是建立在許多嘗試與挫折之上。對於楊懷壹而言，研究的過程就是建立假說，再不斷挑戰自己的假說。瓶頸是一定會出現的。而負責分析資料的團隊成員潘美虹表示：「遇到瓶頸，就要先喝下午茶，讓心情恢復一下再回來嘗試。」

流行病學：解決社會的健康問題

流行病學不同於一般生醫研究，是與社會、與人相關的，流行病學家必須要走入社區。

這是楊懷壹對流行病學研究的想像與實踐。20 年前剛退伍，就加入陳建仁院士的團隊擔任研究助理，在週末前往各鄉鎮進行社區世代研究個案的追蹤訪視。在數位資訊不普及的時代，社區世代一開始的工作是前往戶政事務所，抄寫所有 30~65 歲居民的聯絡方式，寄信徵求同意。 9 萬名收件者中僅有 2 萬 4 千人願意參與研究。

楊懷壹回憶，當時幾乎每個週末都和台大肝膽腸胃科的醫師們合作，下鄉為研究個案進行超音波檢測，再熬夜整理資料與處理檢體。「很感謝陳建仁老師留下這麼珍貴的研究材料，即使是數萬名受試者交付的檢體，我們也非常謹慎小心地使用，每 10c.c. 會分裝成三管。不過至今歷經了許多血清生物標記的檢測， B型肝炎和 C型肝炎慢性感染研究個案的 1991 至 1992 年收集的基線檢體也幾乎消耗殆盡了。」

在小金門服役時，楊懷壹逐漸確立了自己對流行病學的志趣，進入田野工作所得的觀察，更立體化了他的研究動機。至今仍記得某些受試者，他說，有些人急著想檢測，會打電話來催促研究團隊安排追蹤檢測；有些個案身體惡化的程度則讓人於心不忍。「當時多數人只能宿命性地接受自己得到 B 肝，大多態度消極，實際上也無路可走。有些人會絕望地問『多吃青菜有用嗎？』那當然是沒什麼太大幫助的，當時也沒有抗病毒藥物。」

楊懷壹分享，有志投入流行病學研究的年輕人們，可以多加探討所在社會各層面的健康問題。反過來說，對於社會、群體健康有好奇心、研究志向的人，也是流行病學界最歡迎的。

至今已擔任多年教職，楊懷壹覺得擔任教師與研究員的最大差別，在於對象。

「面對大學生和面對博士班以上的研究團隊成員，我要扮演不同的角色。」對大學生和研究生，教師最重要的任務是引起他們的興趣和注意力。楊懷壹笑說：「剛開始幾乎每週都熬夜做教材，我寧可一開始先辛苦，也不要上台念乾稿、讓課程很無趣，對自己和學生都不好。」

至於研究團隊，則是楊懷壹一起探索新的知識、研究方法的重要夥伴。在團隊成員胡惠涵的籌辦下，連續三年舉辦基因體流行病學研習營，邀請技術最前沿的美國專家，與學員們分享技術與經驗，希望能夠促進更多有志者一起在流行病學的研究之路上，找到「解決問題」的方法。

---

延伸閱讀

• 楊懷壹的個人網頁
• 2013 中研院 open house 科普演講 – 預測慢性 B 型肝炎患者罹患肝癌的風險
• 衛福部疾病管制署，1998。《台灣B型肝炎疫苗史》
• 林志陵，高嘉宏，2008。 〈肝癌的流行病學〉，《中華民國癌症醫學會雜誌》 24(5), 277-281.
• Jin, H. T., Ahmed, R., & Okazaki, T. (2010). Role of PD-1 in regulating T-cell immunity. In Negative Co-Receptors and Ligands (pp. 17-37). Springer Berlin Heidelberg.
• YANG, H., LEE, M. H., & CHEN, C. J. (2011). Prediction of hepatocellular carcinoma risk in chronic hepatitis B and C: review of findings in REVEAL-HBV/HCV study. Journal of Clinical Hepatology, 4, 010.
• Topalian, S. L., Hodi, F. S., Brahmer, J. R., Gettinger, S. N., Smith, D. C., McDermott, D. F., … & Leming, P. D. (2012). Safety, activity, and immune correlates of anti–PD-1 antibody in cancer. New England Journal of Medicine, 366(26), 2443-2454.

採訪編輯｜林任遠　美術編緝｜張語辰

本著作由研之有物製作，以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

更多關於本庶佑博士：

• 將涓涓細流開創成大江大海－《勇不放棄》
• 選擇造福更多人的職業－《勇不放棄》
• 專訪本庶佑：給年輕人的六個C－《勇不放棄》