|
译者的话：本文为多篇文献的整合资料，敬请批判性阅读。
胃癌是最常见的癌症之一，发病率为全球第五，是导致癌症相关死亡的第四大原因。尽管在全球范围内已观察到下降趋势，但在亚洲、东欧和南美洲等世界几个地区，其患病率仍然很高。因此，优化早期胃癌的检测和诊断仍然是改善预后和生存结果的基础。 早期胃癌（Early gastric cancer，EGC）是一种局限于胃黏膜层和黏膜下层的浸润性癌，无论有无淋巴结转移。EGC的明确诊断仍然基于金标准的组织病理学检查；然而，内镜技术多年来不断进步，提高了对胃病变的检测和诊断。常用的技术有白光内镜、窄带成像（NBI）放大内镜和染色内镜。白光内镜是标准和传统的内镜检查技术。染色内镜是一种内镜技术，利用染色方法增强胃病变的特征，将其与周围正常胃黏膜区分开来。更先进的技术，如共聚焦内镜和细胞内镜，虽然很有前途，但应用较少。随着内镜下EGC诊断方式的不断发展，人们提倡对胃病变进行多种分类评估，以期早期发现和诊断。 充分了解白光内镜下EGC的表现是早期发现和处理的基础。每一种肉眼可见的EGC都有不同类型EGC的典型内镜检查结果，如肠型或弥漫型。对于那些表面形态有细微变化的表浅型EGC，如表面结构的改变，白光内镜很难检测到，现在可以通过图像增强内镜（IEE）清晰地定义。通过结合放大内镜和IEE，可以评估和突出表面结构的不规则性，从而提高EGC诊断的准确性。 1、白光内镜与大体评估 胃表浅性肿瘤病变通常是无症状的，通常是在内镜筛查时偶然发现的。表浅型胃癌是指浸润胃黏膜层和黏膜下层的胃癌。在传统的白光内镜上识别和检测这些病变，以及正确评估大体形态外观是更好的管理、预后和预后的关键。 EGC最初的大体分类是由日本内镜学会于1962年提出的，这也成为了目前日本大体分类的基础。胃镜检查显示为表浅病变（包括早期或进展期癌、腺瘤或异型增生）的胃病变被归为0型。0型病变进一步细分，如下文所述。 其余的目前大体分类，如表1所示及其描述如下：1型（肿块型），2型（溃疡型），3型（浸润溃疡型），4型（弥漫浸润型），5型（不可分类型）。 胃肠道表浅病变广泛使用的内镜分类为Paris分类。 
表1日本大体分类。 Paris分类 2002年，一组专家提出了内镜下对消化道表浅病变的一般分类，为Paris分类的发展铺平了道路，Paris分类已成为内镜下和大体评估胃肠道病变的标准。 如上所述，内镜下表浅病变被归为0型。通过在病变评估中包括前缀“0型”，内镜医生可以区分早期和表浅癌与进展期癌。0型病变进一步分为息肉样病变和非息肉样病变。息肉样病变，Paris分类为0-Ⅰ型，可分为有蒂（0-Ⅰp型）、无蒂（0-Ⅰs型）或亚蒂（0-Ⅰsp型）。0-Ⅰ型病变通常比良性息肉大，呈颗粒状或分叶状，表面粗糙。0-Ⅰ型EGC并不常见，因为息肉样病变发展为癌的风险最低；然而，0-Ⅰ型EGCs与增生性息肉很难区分。同时，非息肉样病变可进一步细分为深凿型或溃疡型病变（0-Ⅲ型），或平坦型病变（0-Ⅱ型）。平坦型病变可以在黏膜水平轻微隆起（0-Ⅱa型）或轻微凹陷（0-Ⅱc型）。其中，0-Ⅱb型病变最难发现，可能被误诊为萎缩性胃炎。 
（上一行：白光内镜，下一行：同个病变的染色内镜）。 Paris内镜分类在临床实践中有越来越多的重要应用，因为它可以估计浸润深度。根据以往的报道，平坦型病变（0-Ⅱ型），特别是0-Ⅱc型（轻微凹陷），以及0-Ⅲ型（深凿型或溃疡型）更可能与黏膜下浸润有关。为了区分0-Ⅱc型和0-Ⅲ型病变，内镜医师必须分析凹陷或溃疡的深度以及凹陷或溃疡区域的表面。0-Ⅱc型的凹陷区有浅层浸润，仅累及黏膜下浅层。同时，在0-Ⅲ型病变中，黏膜缺失，黏膜下层也常累及。Hu等人的一项研究表明，0-Ⅱc型病变是发生高级别异型增生或癌的危险因素，因此建议内镜切除。Kim的另一项研究报告称，70-80%的EGCs为0-Ⅱc型病变。基于这些发现，Paris分型在鉴别肿瘤与非肿瘤性病变时很有用，其中0-Ⅱc型是内镜切除的更具体指征，而对于大多数0-Ⅲ型病变，手术切除可能是必要的。这种分类的另一个优点是，它可以对表现混杂的病变进行分类，例如边界隆起或中央隆起的凹陷病变（0-Ⅱc+Ⅱa型），或中央凹陷的隆起病变（0-Ⅱa+Ⅱc型）。这些混合型病变，特别是0-Ⅱa+Ⅱc型，一般预后较差，大范围浸润黏膜下层的风险较高。 既往研究表明，在白光内镜检查中使用Paris分类检测EGC的敏感性和特异性分别为71.2%和99.1%。另一项研究显示，基于该分类预测EGC浸润深度的总体准确率为78.0%。结果表明，白光内镜下采用Paris分型是一种诊断EGC的有效筛查方法，准确率高；因此，它仍然是最广泛使用的内镜分类来识别和描述胃肠道病变的原因。 2、NBI放大内镜 由于NBI放大内镜的发展，EGC的诊断准确性提高了，因为它可识别胃黏膜的细微形态变化，预测组织学和描绘病变的侧方范围。由于NBI放大内镜可以更仔细地评估和评估胃黏膜表面，因此可以检测到白光内镜可能遗漏的病变或黏膜变化。在NBI放大内镜下，正常黏膜显示有规则排列的小凹，周围有小静脉，上皮下毛细血管网形成蜂窝状外观。Kaise等认为，通过NBI放大内镜可以检测表浅EGC有三个标准:（1）黏膜细微结构消失，（2）微血管扩张，（3）血管形态异质。这三个标准的敏感性和特异性分别为92.9%和94.7%。 在先前报道的几项研究中，NBI放大内镜的诊断准确性优于传统白光内镜，其敏感性和特异性分别为86%和96%。然而，传统白光内镜和放大内镜联合NBI的敏感性、特异性和诊断准确率分别为95.0%、96.8%和96.6%，都得到了更好的提高。虽然NBI很常见，但在一些设备中可能无法提供完整的放大功能（×80）。这种完整的放大功能有时是必要的，以获得更近、更清晰的微血管和微表面结构的可视化。还应该注意的是，NBI是奥林巴斯公司内镜的一个特点。类似的方法是可用的，如富士的FICE和BLI，宾得的i-Scan；然而，与其他内镜成像技术相比，这些技术的证据仍然不足，仍需进一步研究。 3.1. VS分类 Yao等人在2009年提出的血管表面结构分类（VS），已经成为一种经证实的诊断分类，用于描述胃表浅病变，并使用放大内镜将其区分为癌或非癌。在这种分类中，微血管（MV）形态和微表面（MS）结构是独立评估的，以最大化NBI放大内镜的优势。 基于VS分类，EGC典型的内镜表现包括存在分界线，并在分界线内发现不规则的MV和MS形态。根据Yao等人的研究，97%的EGC在使用这种分类评估时表现出这些典型的内镜检查结果。为了进一步补充这一点，Nakayoshi等人报告了对MV模式的更详细的描述，将其细分为两种类型：细微网状形态（显示网状结构）和螺旋形态（显示没有相连的扭曲形态）。 
由于VS分类是重要且有用的特征，它有助于发现和诊断尺寸≤5mm的微小癌变，以及大体形态为0-Ⅱb型EGC，这是传统白光内镜难以诊断的。区分肠型癌和弥漫型癌也可以通过评估MV形态（肠型的细微网状形态；弥漫型的螺旋形态）。此外，这种分类还可进行术前评估和评估病变的边界。 使用VS分类进行NBI放大内镜诊断性能的研究表明，准确率令人满意，从79%到95%以上，敏感性和特异性分别为95%和96%。另一方面，根据一项多中心前瞻性研究，VS分型临床应用的一个局限性是未分化类型的平坦型褪色病变。然而，毫无疑问，VS分类仍然是利用NBI放大内镜来评估胃病变的标准方法。 3.2. MESDA-G 随着VS分类的建立，日本胃癌协会（JGCA）、日本胃肠内镜学会（JGES）和世界内镜组织（WEO）提出了一种基于证据的EGC诊断标准化算法，命名为放大内镜早期胃癌简单诊断算法（MESDA-G）。该算法应用VS分类原则评估可疑的胃病变。 
图2 放大内镜早期胃癌简单诊断算法（MESDA-G）。 根据MESDA-G，如果在胃中检测到可疑病变，应通过使用放大内镜具体确定是否存在分界线。如果不能确定分界线，则应诊断为非癌。如果观察到明确的分界线，应独立评估分界线内的MV和MS形态是规则、不规则还是缺失。不规则的MV和/或MS形态表明病变为癌。同时，如果没有不规则的MV和/或MS形态，则病变是非癌。 使用VS分类的MESDA-G已被证明是诊断EGC，特别是表浅性（0-Ⅱ型）胃癌的一种简单而有用的诊断算法。其诊断准确率、阳性预测值、阴性预测值均高，分别为95%，79%和99%。另一方面，弥漫型EGC的发生率尚不清楚；因此，未来开展MESDA-G在弥漫型EGC诊断中的应用研究是有价值的。尽管如此，MESDA-G仍然是一种简单的EGC诊断算法。 3.3. 统一放大内镜分类（Unified Magnifying Endoscopic Classification，UMEC） 最近，Fujiyoshi等人创建并报道了一种简化的内镜下放大分类，可以用于食管、胃或结肠，并将其命名为统一内镜下放大分类（UMEC）。通过将UMEC建立在先前为每个器官建立的分类基础上，Fujiyoshi等人统一了所有三个器官（食管、胃、结肠）的每个类别的定义。因此，UMEC由以下三种类型组成：非肿瘤性、黏膜内肿瘤和黏膜下深层浸润性癌。 
图3 胃UMEC：（A）UMEC 1/2A被认为是非癌，（B）UMEC 2B/3被认为是癌。 基于VS分类和MESDA-G的胃UMEC评估是否存在分界线，以及不规则的MV和MS形态（图3）。如表3所示，UMEC 1/2A被鉴定为非癌，UMEC 2B/3被鉴定为癌。由于缺乏相关研究，且没有足够证据证明图像增强放大内镜能将非肿瘤性病变与腺瘤区分开，故未将UMEC 1和2A区分开。同样，也没有足够的证据证明图像增强放大内镜在诊断浸润深度方面具有临床价值，因此未将UMEC 2B和3区分。 
Fujiyoshi等人进行了UMEC诊断胃癌的可行性试点研究，结果显示，UMEC的总体敏感性、特异性和准确性分别为90.9%、89.2%和89.5%。观察者间的一致性也很好（Kappa统计值= 0.73）。可行性试点研究表明，UMEC似乎是一个简单的分类，非专家和非专业内镜医生都可以使用。由于UMEC高度基于MESDA-G，对弥漫型EGC的准确评估尚不清楚，需要进一步研究。 UMEC的创建不能取代目前专家和专业内镜医生使用的器官特异性分类，也不能用UMEC光学诊断取代传统的组织病理学检查（如活检）。UMEC的创建是为了为正在学习光学诊断的非专家和非专业内镜医生提供更简单和更实用的分类。专家和专业的内镜医生仍然可以继续使用现有的器官特异性内镜分类。 3、细胞内镜 细胞内镜（EC）是一种最新的先进的新型内镜技术，它提供超高的放大倍率，允许在GI黏膜的细胞水平上实现可视化。这项技术需要在操作过程中使用染色方法。根据现有文献，EC已在多项研究中用于帮助诊断胃病变。Fasoli等人报道了EC在胃印戒细胞癌中的应用，该癌表现为缺乏明显的腺状结构，细胞核位于周围，周围环绕着细胞质晕。Isomoto等人也用EC对胃淋巴瘤进行了评估，显示细胞结构的黏膜聚集。Chiu等报道，对于胃肠化生，杯状细胞是EC的特征性表现。 迄今为止，对于胃病变诊断的标准化EC分类仍未达成共识。 EC分类 第一个EC分类是由Kudo等人于2011年开发的，用于诊断结直肠病变。在该分类中，评估结构和细胞异型性，如管腔形态和核变化，以区分非肿瘤性（EC1a和EC1b）和肿瘤性（EC2，EC3a，EC3b）。通过采用这种分类，Fujiyoshi等人开发了一种用于诊断胃病变的简化EC分类。简化分类评估了腺型、管腔和核的变化，以区分非肿瘤性（EC1）、腺瘤（EC2）和癌（EC3）（图4）。 
图4 EC分类：（A）EC1被认为是非肿瘤性的，腺体排列规则，腔内保存良好，细胞核染色差；（B）EC2被认为是腺瘤，腺体排列更紧密，管腔狭窄，细胞核染色差；（C）EC3被认为是腺结构扭曲、核增大的癌。在这张图片中可以看到背景黏膜和癌变区域之间的边界。 既往研究采用细胞内镜的异型性标准诊断胃癌，在获得体内组织学方面效果良好，诊断准确率较高。一项研究报告的阳性和阴性预测值分别为100%和94%。Kaise等人2015年的另一项研究显示，四名内镜医师的诊断准确率为87.3%，一致性良好（Kappa统计值= 0.682）。同样，Fujiyoshi等人报道了利用EC诊断胃病变。通过基于简化的胃EC分类进行诊断，研究显示了区分胃癌和非恶性病例的良好诊断准确性（83.7%）和观察者间一致性（Kappa统计值= 0.71）。这些结果与常规的组织病理学和以往的研究结果一致，表明使用简化的胃EC分类，EC在EGC的诊断中有很好的前景。 尽管EC似乎是一种很有前途的新技术，但它价格昂贵，而且只在世界各地的少数机构中可用。由于正确的染色方法以及执行该操作的技术方面的问题，获得清晰的图像在技术上也具有挑战性。EC的另一个主要限制是仍然不能评估胃病变的浸润深度，因为EC不能看到表浅上皮层以外的细胞结构。 4、人工智能 随着内镜技术的不断发展，人工智能（AI）在内镜领域已成为人们关注的新领域。Hirasawa等人的一项研究利用卷积神经网络检测内镜图像中的EGC，结果表明AI对白光内镜和NBI放大内镜的灵敏度分别为92%和97%。与此同时，Niikura等人的一项研究表明，与内镜专家相比，AI既没有劣势，也没有优势。然而，一项荟萃分析研究显示，AI检测EGC的敏感性和特异性分别为86%和93%，结论是，与内镜专家相比，AI在检测EGC方面更准确。 虽然人工智能为内镜技术的发展进一步铺平了道路，但需要更多的研究来确定人工智能和内镜医生的明确作用和局限性。理想情况下，人工智能和内镜医生之间的平衡和合作互动是令人向往的，以实现改进和优化的EGC检测和诊断。 结论 多年来，内镜技术不断进步，有助于更好地评估胃病变和早期发现胃癌。随着传统白光内镜的改进，我们也见证了更新的内镜诊断模式的发展，这篇综述文章讨论了EGC的几种分类。从最广为人知、最常用的白光内镜Paris分类，到日本标准的放大NBI分类（VS分类、MESDA-G分类），再到UMEC分类、EC分类等新的分类；所有这些分类都有一个共同点，那就是便于更好地检测EGC。内镜领域的人工智能也已经开始发展，有可能提供更完善的EGC检测，尽管仍需要进一步的研究。尽管如此，根据目前可用的不同内镜方式，充分了解EGC的不同分类并将其应用到临床实践中，仍然是正确管理、改善预后和更好的生存结果的基础。 参考文献：略。
|
