荷兰阿姆斯特丹VU大学医学中心Thomas Wurdinger等报告了一种粒子群算法(PSO)增强的计算程序，可筛选肿瘤血小板基因表达谱，用于检出非小细胞肺癌(NSCLC)。(Cancer Cell. 2017年8月14日在线版)

研究者表示，动物的群体行为启发了他们。例如：在寻找食物的过程中，鸟儿会不停地调整它们自身相对于其他同伴的位置，从而增加搜索面积以提高觅食效率。研究者利用外周血血小板中所有的复合RNA来检测肿瘤，正是将这种自然现象应用到计算机算法中的实例。

血液液态活检包括肿瘤血小板( tumor-educated blood platelets，TEP)越来越多地用作非侵入性肿瘤检测的标志物来源库。血中血小板包含约5000个mRNA转录子，一些mRNA可精确提示肿瘤的存在，其他mRNA几乎没有预测肿瘤的价值，挑选最有预测价值的mRNA很重要。与动物群体觅食的方法相似，研究者的算法也不断调整，发生全新的mRNA表达谱，以期用外周血更准确地检测肿瘤。

应用集群智能算法，研究者获得了用来检测NSCLC的最佳RNA表达谱，在晚期肺癌队列(518例)中准确性为85%(AUC=0.94，P<0.001)，在早期肺癌验证队列(106例)中准确性为81%(AUC=0.89，P<0.001)，且结果不受年龄、吸烟习惯、全血储存时间、多种炎症状态的影响。

虽然目前该方法还不能被应用于临床，但研究者已着手开展大型的前瞻性临床试验，计划在肺癌可疑人群中对该方法进行前瞻性的验证。研究者希望未来这一血液学检查方法可纳入肿瘤筛查，像钼靶、粪便检验、PSA检测、肺部CT那样。有评论者指出，该研究很有启发性，未来或可带来显著的临床益处。

(编译 李成强 审校 金润森 李鹤成)