《Frontiers in Microbiology》：Stratified management of residual gastric cancer risk after Helicobacter pylori eradication
编辑推荐：
这篇综述系统阐述了幽门螺杆菌（H. pylori）成功根除后胃癌（Gastric Cancer, GC）残余风险的存在机制与管理新范式。文章提出从单一“病原体清除”转向整合多维风险评估（包括OLGA/OLGIM分期、人口统计学、生活方式及遗传因素）、分层监测方案（如内镜频率与AI辅助技术）以及差异化资源配置的“精准预防”双维度框架，以应对由“致癌记忆”（Oncogenic Memory）驱动的持续风险，最终实现终身动态管理。
引言
幽门螺杆菌（H. pylori）感染是胃癌最重要的可调控风险因素，根除治疗可降低约63%的胃癌发病率，已成为全球胃癌预防的基石策略。然而，新近临床研究表明，即使成功根除H. pylori后，仍有一部分个体面临显著的胃癌残余风险，这暴露了单纯病原体预防模式的局限性。其根本原因在于长期感染在胃黏膜留下了“致癌记忆”（Oncogenic Memory），其特征包括持续的微环境改变、累积的表观遗传修饰以及低度慢性炎症，这些变化即使在细菌清除后仍可能驱动癌变。此外，独立于H. pylori的多种风险通路，如高盐饮食、吸烟、饮酒、遗传易感性以及包括胃萎缩和肠上皮化生在内的癌前病变，共同构成了胃癌发生的多维风险谱。为此，我们倡导胃癌防控应从单一的细菌根除转向全面的多维风险管理。
残余风险的生物学机制根源
2.1 持续性黏膜损伤
胃萎缩和肠上皮化生在H. pylori根除后常持续存在。虽然根除可中断感染驱动的“Correa级联反应”（从炎症到萎缩、化生，最终至异型增生），但已形成的癌前病变通常是不可逆的，肠上皮化生尤其显示出极低的消退率。荟萃分析表明，在此阶段进行根除并不能显著降低胃癌风险，这代表着一个关键的“不归点”。一些患者在根除后仍发生早发癌，突显了即使细菌清除，黏膜进展仍可能持续。
2.2 残余免疫与表观遗传改变
长期的H. pylori感染诱导的免疫和表观遗传变化消退缓慢。H. pylori特异性Th17细胞和促炎细胞因子（如白细胞介素-1β）可能持续存在，维持低度炎症状态。此外，细菌诱导的表观遗传改变——包括抑癌基因的高甲基化——可作为“分子瘢痕”长期存在于上皮细胞中，持续促进肿瘤发生，直至这些细胞通过正常更新被替换。
2.3 胃微生态失调
根除疗法会改变胃部微生物群，可能随后促进能够产生N-亚硝基化合物等致癌物的细菌定植。这种风险在患有萎缩性胃炎的患者中尤为突出。基线黏膜损伤严重的患者常经历长期的微生态失调，维持促炎和致癌的微生物谱；而黏膜较健康的患者则恢复更快。这种差异表明，对于高危个体，仅靠根除可能不足以恢复健康的胃部微环境。
2.4 综合与启示
这些机制共同证明，H. pylori根除后持续的胃癌风险主要源于不可逆的病理学改变。这一证据强调了应对常被忽视的“根除后风险”问题的必要性，并将预防策略从关注“是否成功根除”二元焦点，转向更细致地评估“还残留什么风险”。
精准预防的双维度框架：一种实践方法
面对“根除后残余风险”的挑战，传统的“一刀切”预防模式已显不足。亟需建立一个整合风险评估与分层干预的双维度精准预防体系，以实现“全面覆盖风险，个体化干预”的现代胃癌防控目标。
3.1 风险评估：构建整合幽门螺杆菌状态与多维因素的双核心模型
该框架超越了仅基于H. pylori感染状态的传统评估，创新性地将H. pylori状态（阳性、阴性或已根除）与年龄、性别、胃黏膜病变严重程度、家族史、生活方式、用药史和合并症等多维风险因素相结合，建立双核心评估模型。
根除H. pylori后，核心评估指标包括OLGA/OLGIM分期（评估黏膜萎缩和肠上皮化生程度）、性别（男性风险更高）、年龄（≥50岁定义为高风险）以及质子泵抑制剂（PPI）使用史（≥3年视为高风险）。基于评估结果，该人群被分为三类：极高风险（OLGA/OLGIM III–IV期加至少一个其他高风险因素）、高风险（仅OLGA/OLGIM III–IV期或OLGA/OLGIM I–II期加至少一个其他高风险因素）以及低至中度风险（OLGA/OLGIM 0–II期且无额外高风险因素）。
3.2 监测与干预：实施分层分化的双路径策略
为便于临床转化，我们提供了（i）一个Excel版模拟风险计算器和（ii）一个轻量级网页版工具，它们实现了所提出的多维评分框架，读者可输入队列特征以获得示例性风险等级。
基于双核心评估结果，我们制定了差异化的监测与干预方案：
- •
根除后极高风险个体：建议每年进行精细内镜检查（包括放大内镜结合窄带成像和色素内镜），并检测血清RIMS1甲基化水平以评估分子残余风险。同时考虑必要的益生菌干预以调节菌群失衡。
- •
根除后高风险个体：建议每两年进行“血清学检测（胃泌素-17、胃蛋白酶原I/II比值）加精细内镜”。若血清学标志物异常，监测频率应增至每年一次。
- •
高风险幽门螺杆菌阴性个体：建议每2–3年进行一次精细内镜检查，并结合生活方式问卷评估，强化戒烟和低盐饮食指导。
- •
低至中度风险个体（包括根除后和H. pylori阴性者）：建议每3–5年进行一次血清学筛查。若结果异常，则启动内镜检查，并通过社区健康教育推广健康生活方式。
该框架旨在补充而非重复现有的指南策略，它基于京都全球共识和MAPS-II指南的分层理念，进一步整合了“根除后致癌记忆”、宿主遗传、生活方式/暴露因素以及新兴的AI/生物标志物工具，以支持更个体化、考虑资源状况的精准预防。
3.3 技术赋能：构建“人工智能+生物标志物”双支撑系统
技术创新是提升胃癌防控精度和可及性的核心驱动力。整合人工智能与前沿生物标志物检测，可构建覆盖全流程的精准防控系统，不仅显著提升早期病变识别效率，还有效弥合不同地区的诊疗水平差距。
3.3.1 人工智能技术的创新与应用
- •
内镜图像分析的先进突破：AI在内镜图像分析中已超越单纯病变识别，进入精准分割与定量分析新阶段。例如，复旦大学团队开发了一种AI辅助比率响应拉曼阵列系统，用于可视化内镜检查中黏膜酸度变化。该技术利用多模态神经网络分析拉曼光谱，准确区分早期胃癌与炎症组织。
- •
革命性的无创筛查范式：“AI+平扫CT”：由浙江省肿瘤医院与阿里巴巴达摩院联合开发的DAMO GRAPE模型是全球首个胃癌影像筛查AI模型。其突破性意义在于，利用广泛可用、低成本、无创的平扫CT成功实现了早期胃癌筛查。该模型灵敏度达85.1%，特异性达96.8%，显著超越放射科医生的诊断水平。它创新性地提出“平扫CT初筛+AI风险分层+靶向胃镜检查”的新路径，将需要胃镜检查的高危人群比例从传统问卷筛查的20%–25%降至约6%。回顾性分析显示，该AI模型可提前2–10个月在平扫CT图像中检测到胃癌的细微迹象。
3.3.2 AI在缩小地区诊疗差异中的核心作用
AI技术的可复制性、标准化和通过云计算的无界访问特性，使其成为应对医疗资源分布不均的关键工具。
- •
赋能初级医疗：从技术部署到能力建设：AI模型可将大型中心的诊断专业知识打包成可在初级医疗部署的算法。深度学习系统可实时分析内镜图像，高精度识别萎缩、肠上皮化生等癌前病变。基于云平台的AI诊断系统使基层医院能上传影像数据，短时间内获得来自上级中心的AI辅助分析报告，构建“数字医疗高速路”。
- •
重塑筛查路径以实现精准与公平：DAMO GRAPE模型的成功不仅是一次技术突破，更是公共卫生筛查模式的创新。它利用已普及的平扫CT设备进行“机会性筛查”，使民众在进行其他原因（如肺结节）的CT扫描时，可同步接受低成本的胃癌风险初筛，无需额外承受胃镜不适或高昂费用，显著降低了大规模人群筛查的门槛。
3.3.3 生物标志物与AI的深度融合
- •
生物标志物的精细化与AI驱动的再发现：在生物标志物领域，AI扮演着“挖掘者”和“整合者”的双重角色。日本团队在《Gut》发表的研究证实，H. pylori根除后持续萎缩的胃黏膜中RIMS1基因甲基化水平是强有力的风险预测因子，高风险组患癌风险比低风险组高470%。AI还能从“遗留数据”中挖掘新价值，例如通过随机森林、决策树等模型重分析细胞外囊泡（EV）数据集，识别出能提高肝癌检测准确性的稀有EV亚群，此策略同样适用于胃癌标志物开发。
- •
可解释AI用于整合决策：可解释AI（XAI）旨在使“黑箱”模型透明可信。例如，使用SHAP等工具可视化新生物标志物对预测模型的贡献度。在胃癌领域，当构建整合内镜图像、临床参数、生活方式数据和多组学生物标志物（如甲基化、微生物组）的多模态AI系统时，XAI技术可为临床医生提供可视化、基于证据的决策支持报告，阐明哪些影像特征和分子信号共同指向高风险。
3.3.4 技术普惠路径与伦理考量
通过开发针对基层硬件限制的轻量化模型和移动辅助应用，可有效降低部署门槛。政策引导促进区域医疗AI云平台建设，在确保数据隐私安全和算法伦理的框架下，促进技术、数据和人才的流动共享。同时，风险重分类的伦理考量值得明确关注。在风险适应路径中，部分成功根除H. pylori的个体可能因癌前黏膜改变、家族史或不良生活方式因素而被重新分类至更高风险。临床医生应沟通根除降低但并未消除风险的事实，使用绝对风险表述避免不必要的恐慌。咨询应基于共同决策，记录强化监测的理由，讨论潜在益处（更早检出）和负担（焦虑、操作风险、成本），并提供心理社会支持和清晰的随访计划。
3.4 资源配置：基于区域风险分层的差异化部署
为实现资源最优配置，防控策略必须兼顾地区胃癌发病率与经济发展水平，制定差异化资源配置方案。初级医疗机构应配备基础血清学检测设备，确保对低至中度风险人群的规律随访；区域医疗中心则应配备先进内镜设备，满足高危人群的精准检查需求，从而建立“初级筛查→高级诊断→初级随访”的闭环管理系统。
具体而言，我们建议将实施区域分为四类并制定相应防控路径：
- 1.
高发病率、经济欠发达地区：优先保障基础筛查服务可及性，在基层普及无创血清学检测，建立人群初筛网络，同时依托区域医疗中心提供靶向支持，为初筛阳性者提供内镜服务，形成“基层广覆盖，区域提质量”的分级防控体系。
- 2.
高发病率、经济发达地区：建议构建全面的精准预防网络，将根除后患者风险分层评估纳入常规健康管理体系，并在区域医疗中心推广高清内镜和AI辅助诊断技术，实现高危人群的标准化监测和早期病变的精准识别。
- 3.
低发病率、经济发达地区：利用现有医疗体系，重点针对已明确风险因素的个体进行精准筛查，避免不必要的普筛。
- 4.
低发病率、经济欠发达地区：主要通过健康教育提升公众意识，并在临床诊疗中加强相关症状的识别与转诊。
结论
H. pylori根除治疗的临床价值毋庸置疑，然而有效管理根除后的胃癌残余风险已成为推进全球预防战略的关键下一步。本研究提出的整合多维风险评估、分层监测和优化资源配置的综合框架，为后根除时代的精准管理提供了可行路径。该框架的基石是战略性地纳入人工智能，其扮演双重角色：一是作为通过分析内镜、临床和生物标志物数据来增强风险分层和早期检测的精准工具；二是作为可在资源有限环境中部署以标准化诊断并弥合医疗差距的公平赋能平台。
未来研究应优先验证这一AI支持框架的长期成本效益，开发更稳健、可解释的风险预测模型，以及发现用于早期检测的新生物标志物。只有通过这种系统的、技术增强的、适应性实施的风险管理策略，我们才能全面应对胃癌残余风险这一复杂挑战，并大幅减轻其全球负担。
