编辑推荐：
这篇综述通过系统回顾和荟萃分析，评估了血清微小 RNA（miRNA），尤其是 miR-371a-3p 对睾丸生殖细胞肿瘤（TGCT）患者腹膜后淋巴结清扫（RPLND）病理结果的预测价值，发现其有一定潜力，但也存在局限性，对临床决策有重要参考意义。
研究背景
睾丸癌当前治疗手段效果显著，患者生存率较高。然而，全身治疗会带来诸多长期副作用，像心血管疾病、代谢综合征、耳毒性、不育以及继发性恶性肿瘤等，这些副作用增加了幸存者的死亡率1。
腹膜后淋巴结清扫（Retroperitoneal lymph node dissection，RPLND）无论是在原发性治疗还是化疗后治疗中，对于睾丸生殖细胞肿瘤（Testicular germ cell tumor，TGCT）都至关重要。准确预测腹膜后淋巴结中是否存在存活肿瘤意义重大，因为根据 RPLND 最终病理结果，高达 30% 未经化疗的临床 IIA 期和低体积 IIB 期患者，以及高达 50% 化疗后接受 RPLND 的患者，可能不存在恶性疾病23。
目前，判断患者是否适合原发性 RPLND，主要依据血清肿瘤标志物（如甲胎蛋白、β- 人绒毛膜促性腺激素和乳酸脱氢酶）和影像学检查。但这些诊断工具存在局限性，敏感性和特异性较低，不同亚型和分期的生殖细胞肿瘤中表达各异，容易导致治疗不足或过度治疗45。
分子标志物的引入有望改善这种情况，它能更好地区分恶性和良性病症，辅助治疗决策，减少不必要的干预和长期并发症6。早期临床研究发现，血清微小 RNA（microRNA，miRNA），特别是 miR-371a-3p，作为生物标志物展现出很大潜力，与疾病程度、治疗反应、复发以及残留恶性生殖细胞肿瘤成分的存在相关7。因此，本研究旨在系统回顾文献并进行荟萃分析，探究血清 miRNA 对 TGCT 患者 RPLND 病理结果的预测价值。
研究方法
检索策略
本研究按照系统评价和荟萃分析的首选报告项目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses，PRISMA）声明开展。研究方案预先在 PROSPERO 注册，可在线查阅（CRD42024597334）。2024 年 8 月，研究人员通过 PUBMED、SCOPUS 和 Cochrane Library 进行系统文献检索，以找出探究血清 miRNA 对 TGCT 患者 RPLND 病理预测的合格研究。
检索词为（microRNA OR miRNA OR miR371a-3p OR microRNAs OR MicroRNA-371a-3p OR miRNAs）AND（testicular germ cell tumor OR testicular cancer OR testis tumor OR testis cancer）。由两名评审员评估所有全文论文，根据研究标题和摘要初步筛选后，若不适合则排除并说明理由，分歧通过与共同作者协商解决。主要终点是评估 miR-371a-3p 对预测 TGCT 患者 RPLND 标本中存活肿瘤的综合诊断价值，次要终点是评估其他血清 miR-371a-3p 对预测 RPLND 病理结果的诊断价值89。
纳入和排除标准
研究的纳入和排除标准依据 PICO 原则制定。研究对象为接受原发性或化疗后 RPLND，且术前检测血清 miRNA 的 TGCT 患者，并与血清 miRNA 阴性患者的 RPLND 病理结果对比。符合条件的研究需报告真阳性（True positive，TP）、真阴性（True negative，TN）、假阳性（False positive，FP）、假阴性（False negative，FN）、敏感性、特异性、准确性、阳性预测值（Positive predictive value，PPV）或阴性预测值（Negative predictive value，NPV）等数据。排除摘要、回复、编辑评论、综述文章以及非英文发表的文章1011。
数据提取
两名研究人员独立从纳入文章中提取信息，包括研究名称、发表年份、研究设计、招募时间、患者数量、原发性肿瘤特征、评估的 miRNA、RPLND 的临床指征、样本采集时间、miRNA 阈值、年龄、RPLND 病理报告、敏感性、特异性、PPV、NPV 和测试准确性（AUC，即受试者工作特征曲线下面积）1213。
偏倚风险评估
根据修订后的诊断准确性研究质量评估工具（Quality Assessment of Diagnostic Accuracy Studies tool，QUADAS-2）评估纳入研究的偏倚风险。将 miR-371a-3p 和病理评估分别定义为指标测试和标准参考。每个偏倚领域和总体偏倚风险被判定为 “低”“高” 或 “不明确”，分歧通过协商或咨询其他作者解决1415。
统计分析
采用随机效应模型估计 miR-371a-3p 的综合敏感性、特异性、阳性似然比、阴性似然比以及诊断比值比（Diagnostic odds ratio，DOR）。对原发性和化疗后 RPLND 中 miR-371a-3p 预测 RPLND 病理结果的诊断准确性进行亚组分析。绘制分层汇总受试者工作特征曲线（Summary receiver operating characteristic，SROC）以检验鉴别诊断准确性，绘制包含 95% 置信区间（Confidence interval，CI）的森林图展示各研究的敏感性和特异性。Cochrane's Q 检验中 p<0.05 且 I2 统计量> 50% 表示存在显著异质性。使用 R 版本 4.0.3 进行统计分析，设定统计显著性水平为 p<0.051617。
研究结果
研究选择和特征
文献检索共识别出 825 篇独特参考文献，其中 238 篇因重复被删除，523 篇在筛选过程中因结果不相关被排除。在评估资格的 64 篇全文文章中，32 篇依据选择标准被排除，最终 9 项研究纳入定性综合分析，8 项为前瞻性研究，1 项为回顾性研究。3 项研究评估了 miR-375 检测畸胎瘤病变的能力，AUC 范围为 0.506 - 0.93，敏感性为 52 - 90%，特异性为 32 - 71%。6 项研究纳入定量综合分析，均报告了 miR-371a-3p 对预测 RPLND 病理结果的诊断价值1819。
血清 miR-371a-3p 预测 RPLND 病理结果的荟萃分析
- 预测不包括纯畸胎瘤的存活肿瘤：6 项研究提供了血清 miR-371a-3p 预测 RPLND 标本中不包括畸胎瘤的存活肿瘤的诊断数据。综合敏感性为 0.76（95% CI 0.49 - 0.90），特异性为 0.97（95% CI 0.81 - 0.99），DOR 为 31.75（95% CI 9.24 - 109.10），检测该类肿瘤的 AUC 达到 0.876。原发性 RPLND 患者亚组分析显示，综合敏感性为 0.77（95% CI 0.47 - 0.93），特异性为 0.92（95% CI 0.72 - 0.98），DOR 为 13.86（95% CI 2.97 - 64.79），研究间无显著异质性。化疗后 RPLND（Post-chemotherapy RPLND，PC-RPLND）患者亚组分析显示，综合敏感性为 0.73（95% CI 0.28 - 0.95），特异性为 0.99（95% CI 0.62 - 1.00），DOR 为 64.11（95% CI 13.09 - 313.98），研究间存在显著异质性2021。
- 预测包括纯畸胎瘤的存活肿瘤：6 项研究提供了血清 miR-371a-3p 预测 RPLND 标本中包括畸胎瘤的存活肿瘤的诊断数据。综合敏感性为 0.51（95% CI 0.23 - 0.77），特异性为 0.87（95% CI 0.63 - 0.96），DOR 为 2.32（95% CI 1.51 - 3.55），检测该类肿瘤的 AUC 为 0.652。原发性 RPLND 患者亚组分析显示，综合敏感性为 0.65（95% CI 0.41 - 0.84），特异性为 0.71（95% CI 0.53 - 0.84），DOR 为 3.67（95% CI 1.38 - 9.77），研究间敏感性存在显著异质性。PC-RPLND 患者亚组分析显示，综合敏感性为 0.35（95% CI 0.06 - 0.81），特异性为 0.91（95% CI 0.55 - 0.99），DOR 为 2.08（95% CI 1.29 - 3.34），研究间存在显著异质性2223。
偏倚风险评估
9 项研究的偏倚风险和适用性总结显示，整体偏倚风险为低到中等，纳入研究的总体质量令人满意2425。
讨论
本研究首次对 miR-371a-3p 预测 TGCT 患者 RPLND 病理结果的诊断价值进行荟萃分析，结果表明其对生殖细胞肿瘤（Germ cell tumor，GCT）检测具有良好性能26。
miR-371a-3p 能在原发性 RPLND 患者中，较好地区分低体积存活 GCT 与良性病变，有助于为适合监测的患者精准制定治疗决策，避免过度治疗带来的危害。不过，该结果受患者数量限制。此外，miR-371a-3p 无法准确预测 RPLND 中的纯畸胎瘤，这限制了其在临床决策中的应用，尤其是化疗后存在腹膜后残留肿块的情况27。
目前，美国正在进行 MAGESTIC 试验（MAGESTIC-MiRNA in detecting Active Germ cell tumors in Early Suspected and metastaTIC disease），旨在探索 miR-371 在常规临床实践中的相关性，验证其对早期、传统肿瘤标志物阴性的 TGCT 治疗决策的指导作用。还有 SWOG S1823 试验，聚焦于评估 miR-371 水平指导早期 TGCT 患者主动监测的有效性，判断监测 miR-371 能否改善复发的早期检测，减少传统影像学和肿瘤标志物检测的需求28。
亚组分析发现，检测化疗后存活残留 GCT 的诊断估计与总体人群相似。检测到存活残留 GCT，有助于区分仅存在坏死的患者，这些患者可能适合主动监测，避免 PC-RPLND 的过度治疗。但目前难以区分坏死和畸胎瘤，畸胎瘤对化疗耐药，需要手术治疗。本研究纳入存活 GCT 和畸胎瘤与良性病理及坏死区分时，诊断估计值低于仅关注存活 GCT 的分析，表明血清 miR-375 虽有潜力，但预测价值低，急需更可靠的畸胎瘤生物标志物29。
结合其他标志物（如信使 RNA 等）或利用人工智能（如通过放射组学结合成像数据和分子生物标志物），可能提高畸胎瘤检测的敏感性和特异性。机器学习算法能分析大型数据集中细微模式，实现更精准诊断和个性化治疗，改善畸胎瘤患者的治疗效果29。
本研究存在一些局限性。miR-371 检测缺乏标准化，不同研究方法差异导致敏感性和特异性不同，如定量逆转录聚合酶链反应（Quantitative reverse transcriptase PCR，RT-qPCR）和微滴数字聚合酶链反应（Droplet digital PCR，ddPCR）。两项研究存在较高偏倚风险，涉及流程和时间方面，不过样本量小可能使偏倚对结果影响较小。此外，还存在报告偏倚、血清 miRNA 评估阈值不统一、预分析变量（如样本采集管、处理时间、提取试剂盒等）异质性、原发性肿瘤特征和临床分期异质性、RPLND 细节数据有限、样本量小等问题，影响研究结果的解释和应用2930。
结论
本研究表明血清 miRNA，特别是 miR-371a-3p，在预测 RPLND 病理方面有一定潜力，可区分存活生殖细胞肿瘤与良性病变，但区分畸胎瘤和坏死的数据有限。正在进行的前瞻性研究将进一步明确 miRNA 的预测性能，为 TGCT 患者的临床决策提供帮助31。
