早期胃癌病因及内镜诊断的研究进展

王如意 范震

早期胃癌（early gastric cancer，EGC）这一概念最早于1962 年在日本内镜学会上被提出。EGC 是局限于黏膜层或黏膜下层的肿瘤，患者无论是否存在淋巴结转移，5 年生存率超过90%。按照Correa 模型，原发病灶从慢性非萎缩性胃炎、慢性萎缩性胃炎、肠化生、异型增生到未成熟的肿瘤前体，最后再到EGC，经历了一个进展性的生长阶段[1]。EGC 的致病因素及致病方式复杂多样，生物因素、基因异常及生活行为因素相互作用，都可导致EGC 的形成。随着EGC 的发病率逐年升高，诊断方法也在不断优化，但是仍有部分EGC患者被漏诊，如何有效提高EGC 的检出率是内镜医师及临床医生所面临的时代挑战。本文就EGC 的病因机制、内镜诊断研究进展作一综述。

1 EGC 的病因机制

1.1 幽门螺杆菌（Helicobacter pylori，Hp）感染 1994年WHO 将Hp 定为Ⅰ类生物致癌因子，Hp 感染是导致EGC 的最重要的危险因素，约90%以上胃癌的发病与Hp 密切相关。Hp 主要通过毒力因子产生致病作用，如细胞毒素相关基因A（cytotoxin-associated gene A，Cag A）、细胞毒素相关基因致病岛(cytotoxin-associated gene pathogenicity island，Cag PAI）、Ⅳ型分泌系统（typeⅣsecretory system，T4SS）、空泡细胞毒素A（vacuolating cytotoxin，Vac A）、γ-谷氨酰转肽酶（gamma-glutamyl transpeptidase,GGT）等[2]。这些毒力因子主要通过定植、免疫逃逸和疾病诱导促进EGC 的发生。

Cag A 是Hp 的主要毒力因子，可与多种宿主细胞蛋白相互作用，通过影响宿主细胞的形态、运动和增殖发挥致病作用。其间，Cag A 借助T4SS 易位至宿主细胞，后者如同一种“针状菌毛装置”定植在胃黏膜细胞的表面，与胃黏膜细胞受体整合素相结合，从而将Cag A 注射到宿主细胞内发挥致病作用。根据“钥匙学说”和“撬锁”原理，Cag A 可与宿主细胞多种蛋白受体结合，影响宿主细胞酪氨酸激酶及丝氨酸/苏氨酸激酶的磷酸化，参与宿主细胞信号转导，改变细胞的增殖和运动[3]。Holleczek 等[4]研究发现，在Hp-Cag A 阳性的患者中，中度和重度慢性萎缩性胃炎发展为胃癌的发病率分别增加6.4 和11.8 倍。Cag A 还参与细胞周期的调控，促进再生基因3（regenerative gene 3，Reg3）的表达，通过形成细胞周期依赖性复合物来调节细胞周期，诱导细胞增殖[5]。Cag A 还可激活核苷酸结合寡聚结构域样受体蛋白3（nucleotide-binding oligomerization domain-like receptor protein 3，NLRP3）炎症小体，促进癌细胞的侵袭和迁移[6]。Murata-Kamiya 等[7]认为，Hp-Cag A 阳性菌株会增加驱动基因突变的概率，从而在人体细胞内发生多种DNA 损伤反应。

另外一种重要的毒力因子是Vac A，主要有m1 型和m2 型两种分型，且均具有空泡化活性[8]。Vac A 通过影响各种宿主细胞的自噬来发挥致病作用，如胃黏膜上皮细胞及各种免疫细胞。Vac A 进入胃黏膜上皮细胞使其空泡化，受内质网应激方式增强自噬作用，引起细胞坏死、凋亡[9]。在B 淋巴细胞中，Vac A 干扰主要组织相容性复合体（major histocompatibility complex，MHC）Ⅱ类抗原的呈递，在T 淋巴细胞中，其通过下调IL-2 基因的转录、抑制T 细胞增殖来促进Hp 在胃黏膜细胞的定植[10]。此外，Vac A 能诱导胃黏膜上皮细胞产生大量的自由基，如活性氧和活性氮，通过损坏胃黏膜上皮细胞的DNA，引起DNA 双链断裂[11]。Abdullah 等[12]发现，Hp 感染期间，Cag A 和Vac A 可相互作用，共同促进EGC 的形成，当Vac A 缺乏时，宿主细胞通过自噬和蛋白酶体降解Cag A；当Vac A 存在时，Cag A 在胃黏膜上皮细胞中聚集，促进胃黏膜上皮细胞的癌变。

1.2 基因异常 EGC 的形成涉及到多种相关基因的突变、转录异常及表观遗传学上的改变。人表皮生长因子受体2（human epidermal growth factor receptor 2，HER2）是一种原癌基因，位于染色体17q21 中，编码的产物是一种具有酪氨酸激酶活性的糖蛋白。HER2 作为一个网络受体，参与多种癌细胞的信号传导，引起癌细胞增殖。研究指出，HER2 的过表达可能参与胃癌发生的早期步骤[13]。Kanayama 等[14]研究发现，149 例EGC 患者中，有23.5%的患者HER2 基因在胃癌的早期发生了扩增。HER2 过表达是EGC 复发的独立危险因素[15]。另一种与EGC 相关的常见抑癌基因是p53 基因，其编码的蛋白主要有突变型p53 蛋白和野生型p53蛋白。EGC 中突变型p53 蛋白阳性率为79.4%，其过度表达与细胞异型性呈正相关[16]。研究表明，处于饮食致癌环境中，患者更易发生突变型p53 蛋白的过表达，从而引起胃组织发生不典型增生，最终导致EGC 的形成[17]。因此，基因与环境的共同作用对EGC 的形成起着重要作用。此外，增殖细胞相关抗原Ki-67 不仅可以揭示EGC 的异质性[18]，而且其高表达与EGC 的不良预后相关[19]。程序性细胞死亡蛋白1（programmed cell death protein 1，PD-1）及其配体（programmed cell death protein -ligand 1，PD-L1）也参与了EGC 及癌前病变的形成，并且PD-1/PD-L1 的表达与Hp 感染有关，即Hp感染可能是PD-1/PD-L1 检测点异常的重要引发因素[20]。微卫星不稳定（microsatellite instability，MSI）与EGC 的形成有关，可能是由于基因修复出现缺陷所致。MSI 也是目前临床上一项重要的肿瘤标志物。Chakraborty 等[21]发现，MSI 可能是EGC 发生的危险因素之一。肿瘤微环境的紊乱也会影响EGC 的进程，如EGC 的免疫微环境较上皮内瘤变更为活跃[22]。

1.3 生活行为因素 饮食、吸烟等生活行为也是影响EGC 发生的相关危险因素[23]。2013 年中国3 个癌症登记处的汇总数据显示，十大最常见的癌症中，胃癌排名第二[24]。饮食是主要的致病途径，流行病学发现，亚硝基化合物与EGC 的发生相关，胃内亚硝酸盐被转化成亚硝基化合物时，可产生大量的自由基，一方面通过细胞毒性反应导致细胞损害，另一方面可引起胃黏膜上皮细胞癌变[25]。含有氧化剂的食品可以降低癌前病变的发生率，如水果、蔬菜。在慢性胃炎、肠上皮化生、异型增生及EGC 的患者中，维生素C等氧化剂的水平是降低的[26]。适量叶酸的摄入对于EGC 的进展起到干预作用，叶酸主要通过影响胃黏膜的基因调控，抑制其增殖，从而减轻胃黏膜上皮的萎缩、肠化[27]。吸烟是EGC 的独立危险因素[28]，其中的尼古丁可诱导IL-8 的生成，刺激胃肿瘤微环境中的内皮细胞增殖和血管增生[29]。

2 EGC 的内镜诊断方法

临床医生通过常规的13C/14C 呼气试验初步检测Hp 感染，同时联合胃蛋白酶原、胃泌素-17 及Hp 抗体等多种血清学标志物检测EGC。近年来血液循环肿瘤核酸、外泌体等液体活检技术也逐渐被用于EGC 的筛查[30]。但是，这些诊断措施往往无法早期明确诊断EGC。目前，内镜下活检是EGC 确诊的金标准。临床医生利用这一手段，近距离地仔细观察胃黏膜，及早发现可疑病灶，并行病理活组织检查，最后得出明确的病理结果。

2.1 白光内镜（white light endoscopy，WLE） 内镜医生使用WLE 可观察局部黏膜病灶的形态、大小、溃疡、瘢痕等。肉眼下观察到的EGC 有4 种类型，包括隆起型、平坦型、凹陷型、混合型，以隆起型和凹陷型较多见，尤其在黏膜破损的情况下更加明显[31]。观察到的隆起型病灶，绝大多数是分化型EGC，这种特异性可以达到99%，甚至不用进行病理活检即可判断[32]。但此手段只能判断病灶的宏观表现，早期可能无法观察到更细微的结构。

2.2 超声内镜（endoscopic ultrasound，EUS） EUS 可以区分病灶的浸润深度，但是EUS 很难区分黏膜固有层和黏膜下层的EGC。Park 等[33]发现，黏膜下注射0.9%氯化钠注射液可提高EUS 对黏膜固有层EGC 的鉴别准确性（75.0%）。EUS 可以直接观察到胃黏膜的病变及浸润情况，而且在观察胃壁全层及腔外临近脏器的超声影像，特别是对EGC 的浸润深度、临近器官的侵犯及淋巴结转移的诊断上更为准确。但是，EUS 诊断EGC 的影响因素较多，临床医生很可能高估EUS 的诊断准确性。病变较大、黏膜呈颗粒状、结节状改变和溃疡是EUS 高估浸润深度的独立危险因素[34]。EUS 在诊断EGC 的浸润分期中灵敏度和特异度并不高，事实上，WLE 在判断EGC 侵袭深度方面要优于EUS。研究表明，WLE 诊断EGC 浸润深度的整体准确率可高达87.0%[35]。

2.3 放大内镜（magnifying endoscope，ME） ME 是一种具有高像素和高分辨率的电子内镜，可将图像放大几十倍，有助于判断病变的良恶性、组织学类型及病变的深度与范围。根据日本的血管加表面（vessel plus surface,VS）评分系统，ME 可较准确评估EGC 的分界线（demarcation line，DL）、微血管结构（micro-vascular pattern，MVP）和微表面结构（micro-surface pattern，MSP）。不规则MVP 或不规则MSP 伴有清晰的DL 是EGC 的特征。ME 在EGC 的诊断中具有重要价值，尤其用于观察病变表面的MVP 及MSP[36]。胃黏膜微细形态改变所发生的变化和异常是ME 诊断的基础，ME 下观察到的消化道黏膜表面腺管开口、毛细血管等微细结构的改变，有利于判断黏膜病变的性质。在ME 下，EGC 主要表现为胃小凹细小化、甚至消失，腺管开口不规则、大小不等、排列紊乱，可看到扩张扭曲的新生毛细血管。

2.4 图像增强内镜（image-enhanced endoscopy，IEE）多中心临床研究证实，内镜医师使用IEE 可以明显提高识别EGC 的准确率，减少活检次数。基于设备的IEE主要包括窄带成像技术（narrow band imaging，NBI）、蓝光成像技术（blue light imaging，BLI）、亮蓝光成像技术（blue light imaging-bright ，BLI-bright）、联动成像技术（linked color imaging，LCI）、富士智能色素内镜（Fuji intelligent chromo endoscopy，FICE）等。

ME 联合NBI（ME-NBI）能够更加清晰地观察到胃黏膜病灶的细微结构，较WLE 具有更高的病理诊断一致性[37]。ME-NBI 一般适用于观察未分化型的EGC。日本的一项多中心研究发现WLI 诊断未分化型胃癌的特异性为84%，而ME-NBI 的特异性为93%[38]。Kojima 等[39]研究表明，NBI 比WLE 更能有效识别EGC 与正常胃黏膜组织的DL。Horii 等[40]指出，在高分化型腺癌和＜20 mm 的病变中，可使用ME-NBI 评估EGC 的DL。有学者为内镜医师开发了一种自动描述ME-NBI图像视觉特征的EGC 字幕模型，该模型极大地提高了检测效率[41]。ME 联合BLI、BLI-bright 可有效放大EGC的显微结构，显著提高病理诊断的一致性，其诊断敏感性超过90%[42]。一项Meta 分析显示，ME-NBI 和ME-BLI 在诊断EGC 方面无统计学差异[43]。ME-NBI在观察MSP 和MVP 时可视化效果极好，而ME-BLI 和ME-BLI-bright 也有类似功能，如使用ME-BLI 可以经常观察到中等分化早期腺癌中的不规则MSP[44]，使用BLI-bright 对EGC 的实时检出率更高，可达93.1%[45]。

LCI 可着重突出病变的胃黏膜与正常胃黏膜之间的色差程度，显著改善EGC 的识别度[46]，内镜医生使用时直观感觉较好，且检测速率较快。Yashima 等[47]发现，无论有无Hp 根除史，在LCI 下EGC 勾画为橙红色，肠上皮化生勾画为紫色，这种较大的色差为EGC 的及早发现提供了极好的可视性。研究指出，单独使用WLE 检测EGC，其检出率为4.31%，而LCI 联合WLE 的检出率为8.01%，得益于后者可显著提高EGC 的可视性[48]。LCI较WLE 可检出更多的EGC 病灶，尤其在分化型EGC 中[49]。Yasuda 等[50]认为，从长远的角度考虑，LCI比BLI-bright 更有利于分化型EGC 的识别。

FICE 是一种新的非侵入性内镜检查技术，该技术利用反射光谱重建出的黏膜表面更加清晰，可增加正常组织和病变组织之间的对比度[51]。FICE 通过特定的波长评估EGC 黏膜细微结构，并因此识别EGC、肠化生和其他病变。FICE 超薄内镜对EGC 周围黏膜的可视性优于WLE，尤其是红色的黏膜病变[52]。操作者利用FICE 技术观察病灶黏膜下血管纹理，评估病灶浸润深度，可提高EGC 的确诊率。

3 人工智能（artificial intelligence，AI）在EGC 诊治中的应用

目前AI 已经运用于临床，并且融入到内镜领域中，使得内镜在EGC 的诊断领域占据核心地位。随着AI 自动识别系统的不断开发和深度神经网络计算机辅助诊断系统的创新升级，EGC 的早期诊断率得到了极大提高。与传统内镜下黏膜剥离术（endoscopic submucosal dissection，ESD）相比，AI 可有效地协助医生实现病灶的整体切除，具有手术时间短、并发症少等优点。AI 辅助内镜可提高EGC 诊断准确率，同时也能减少内镜医师的工作量，缩短EGC 的诊断时间[53]。Noda 等[54]使用训练数据集构建了基于卷积神经网络的细胞内镜辅助EGC 诊断系统，在诊断EGC 方面具有更高的特异度。Arribas 等[55]发现，AI 能够大幅度降低癌前病变和EGC 的漏诊率。还有学者利用卷积神经网络开发了一种能够在ME-NBI 下准确识别EGC 分化状态和DL 的实时系统，该系统的性能优于内镜专家[56]。深度学习的ME 系统诊断EGC 的准确率可达到90.32%[57]。目前，应用于全球的AI 辅助检测系统——“内镜精灵”以点对点的方式将病理结果与内镜下病灶特征直接匹配，可协助内镜医生在行ESD 期间或WLE 下描述EGC 的病变切除程度。“内镜精灵”可对内镜下视频图像进行实时监测，提醒医生及时发现可疑病灶，有效降低了EGC 的漏诊率。

4 展望与思考

基于Hp 与EGC 的密切关系，Hp 感染对于EGC 来说是一个可控的危险因素。在萎缩和肠化生阶段，甚至在其发生之前，根除Hp 均可达到阻断EGC 演变的目的，大大降低EGC 的发病率及病死率。根除Hp 是一种行之有效的措施，患者可从中明显获益，正在研制的Hp 疫苗有望成为预防EGC 的未来愿景。Hp 的毒力因子如Cag A、Vac A 等，其作用宿主的伴侣蛋白可作为未来新型药物的靶点。EGC 和基因异常有着复杂关系，如p53 基因的过度表达、HER2 的扩增、Ki-67引起的异质性、PD-1/PD-L1 检测点异常和MSI 等都与EGC 的发生、发展、预后密切相关，但确切的致病机制仍需大量的基础实验进行验证。目前实体瘤全景基因的检测、专项胃肠道肿瘤标志物的筛查、免疫电泳的送检等已经应用于各类大型医疗机构，然而，确诊EGC 的金标准仍然是内镜下行病理活检。

目前，ME 及IEE 取代了普通内镜技术，在诊断EGC方面做到了精准化，但仍有少部分EGC 未被及时发现。这也给内镜医生提出了更高的要求，提醒内镜医生需要根据胃的纵向及横向变化，作出更系统、全面的观察。多中心临床研究已证明，不同的IEE 之间可以相互组合，起到“1+1＞2”的效果，但是不同IEE 之间存在差异化对比，需要内镜医生选择更加优化的诊断方案。

5 小结

Hp 感染、基因异常、生活行为等因素共同作用导致EGC 的形成，对EGC 复杂致病机制的系统性阐述有助于提高患者对EGC 的知晓率，增加其对诊疗的依从性。在诊断EGC 方面，临床医生利用各种增强内镜技术的独特优势，近距离观察病灶的特征，提高确诊率。患者和医生的共同协作，有利于阻断EGC 的新发、再发及ESD 术后的复发。在当今的精准医学模式下，AI有望更加频繁地辅助于内镜诊疗技术，从而提高EGC的检出率。Hp 的及早根除可以阻断EGC 的发生，不同内镜技术的早期检测可以阻断EGC 的进展环节，对患者实行早诊断早治疗可有效提高生活质量。