（1）幽门螺杆菌感染：幽门螺杆菌（ Helicobactor pylori， HP）早在1994年就被世界卫生组织宣布为胃癌的Ⅰ类致癌原，是胃癌发生的主要病因。Malfertheiner等分析全球 HP感染现状时指出， HP感染导致的胃黏膜慢性炎症及损伤是GIM发生的重要因素。2022年Nguyen等的一项横断面研究发现， HP感染者相较对照组，GIM发生的 OR值约为3.65（95%CI：2.79~4.55）。

（2）年龄与性别：作为一种化生型改变，GIM是一个长期的过程，随着年龄增长，发病风险逐年提高。2023年Wang等在中国开展的一项多中心研究发现，超过50岁的人群GIM风险显著上升，60岁以上的老年人相较于年轻人群，发生GIM的 OR值更是高达4.770（95%CI：2.699~8.431）。在美国，Tan等的队列研究同样印证了年龄的影响，与40岁以下年轻人比较，40~60岁的中年人GIM发生的 OR值为2.13（95%CI：1.23~3.70），60岁以上人群为4.65（95%CI：2.65~8.19），与国内研究结论相仿。另一方面，Wang等的多中心研究显示男性GIM发生率较女性更高， OR值为1.836（95%CI：1.259~2.677）。Nguyen等针对非裔美国人的研究同样发现，男性较女性而言，GIM发生率的 OR值达到3.88（95%CI：1.36~11.11）。

（3）民族和出生地：民族和出生地也是影响GIM的重要因素。相较于欧美，东亚是胃癌及GIM的高发地区。2022年美国的一项队列研究针对不同人种的肠化风险进行了统计，得知黑种人和亚洲人种较白种人的GIM风险更高， OR值分别为2.05（95% CI：1.24~3.38）和3.76（95% CI：1.79~7.89）。2023年，Haghighat等的研究发现，与白种人相比，黑种人的GIM风险更高，二者中西班牙裔的风险较非西班牙裔显著升高，而亚洲人种的风险仍处于最高水平， OR值为2.60（95% CI：1.20~5.60）。

（4）吸烟：2022年《柳叶刀》杂志归纳分析了世界癌症的主要原因，其中吸烟位列第一。在胃癌的发生过程中，烟草中尼古丁等物质对胃黏膜产生直接或间接损伤，导致胃酸分泌减少及炎症因子增加，诱发了GIM的发生。美国的两项队列研究证实了吸烟者的GIM发生率高于非吸烟者， OR值为1.60（95% CI：1.11~2.30）和1.38（95% CI：1.09~1.75），戒烟对预防GIM有一定效果。

（5）肥胖：肥胖在GIM发生中尚没有足够的研究证据。2023年Jove等比较了409例GIM患者及1 748例健康人群的体重指数（body mass index，BMI），发现单位BMI增加对GIM的发生无明显作用。另一方面，Aumpan等的回顾性研究发现，肥胖对GIM的亚型可能有一定影响，超重和肥胖患者（BMI>23 kg/m ²）较BMI正常者发生不完全型GIM的风险更高， OR值为3.25（95% CI：1.14~9.27）。

（6）遗传因素：胃癌有一定的家族聚集性和遗传倾向，Jin等对10 254例胃癌患者进行基因评分，与低遗传风险人群相比，高遗传风险人群患癌可能约为低风险人群的2.08倍。GIM也有相似的特征，胃癌患者的亲属发病风险高于无胃癌家族史人群。2023年Tjandra等在分析GIM精准预防时，指出一级亲属有胃癌病史者患GIM概率更高，风险比为4.5（95% CI：1.3~15.5）。

由此可见，上述宏观因素在GIM及胃癌的发病中扮演着重要的角色，它们互相协同，共同发挥作用。2022年Tan等利用年龄、民族、吸烟和 HP感染等宏观因素，建立了GIM的内镜前预测模型，在2 219例的研究队列中，受试者工作特征（receiver operator characteristic，ROC）曲线下面积（area under the curve，AUC）为0.73，显示了较好的预测价值。但同时发现，多数一般风险因素与GIM并无强关联性，预测权重在不同研究中差异较大。因此，仅依靠宏观因素建立的GIM预测模型应用价值有限。

（1）血清学标志物预测GIM

①血清胃蛋白酶原（pepsinogen，PG）：PGⅠ和Ⅱ是目前综合表现最优的GIM血清标志物，慢性萎缩性胃炎（chronic atrophic gastritis，CAG）和GIM患者PGⅠ和Ⅱ水平均下降，PGⅠ/PGⅡ比值（serum PGⅠ/PGⅡ ratio，sPGr）也相应降低。2024年Sánchez-López等纳入129例消化不良患者进行研究，发现sPGr<3是胃癌前病变（如CAG或GIM）的重要危险因素， OR值为9.171（95%CI：1.723~48.799）。Quach等汇总了多项东西方关于胃癌监测的研究，在一项包含欧洲14个国家的研究中，以sPGr<5.6为标准诊断胃癌的敏感度和特异度为65.0%和77.9%，同时，囊括东亚多国9项队列研究的荟萃分析发现，sPGr测试呈阳性的参与者患胃癌的风险是阴性参与者的3倍以上。

② HP抗体与胃泌素-17（gastrin-17，G-17）：2023年Song等运用蛋白阵列技术分析了GIM患者血清 HP抗体定量，发现GIM组有11种IgG和2种IgA较非GIM组升高，以Omp抗体和CagA抗体改变最为显著。临床上通过综合sPGr与 HP血清学结果，可将人群分为A（ HP-，sPGr-）、B（ HP+，sPGr-）、C（ HP+，sPGr+）、D（ HP-，sPGr+）四组，即ABCD分层法。Banks等的研究将C和D组定义为高危人群，发现D组患病风险是A组的15倍以上。G-17是由胃G细胞分泌的一种激素，GIM病变范围扩大时，大量G细胞被肠化细胞取代，血清G-17水平降低。Romańczy 等分析指出，G-17在部分指南中被认为是预测GIM的推荐指标，但其诊断灵敏度较低，需要结合其他指标辅助诊断。

③血清三叶因子3（tefoil factor 3，TFF3）：以TFF3为代表的新兴标志物已开始进入临床，在部分研究中效果不逊于传统标志物。2022年剑桥大学英国医学研究理事会癌症研究所测定了57例患者的血清TFF3水平，34.1%的TFF3阳性受试者在内镜下被诊断为GIM或CAG，而TFF3阴性受试者中无人被检出GIM或CAG。笔者团队的前期研究也证实了TFF3对GIM的预测价值，540例受试者中胃癌前病变患者的血清TFF3水平高达27.41（95%CI：19.54~32.21）ng/mL，浅表性胃炎者仅为17.43（95%CI：12.43~22.8）ng/mL，差异有统计学意义。

（2）血液多组学标志物联合模型预测GIM

血液多组学标志物在GIM预测中也有着广阔的前景，Huang等对400例包含慢性胃炎、GIM、胃癌患者的血液代谢物进行组学研究，发现有3种脂肪酸与胃黏膜病变进展呈负相关，分别为α-亚麻酸（ OR=0.53，95%CI：0.36~0.78）、亚油酸（ OR=0.56，95%CI：0.38~0.81）及棕榈酸（ OR=0.56，95%CI：0.38~0.82）。在包含年龄、性别、 HP感染等一般风险因素的GIM预测模型中增加代谢物评分后，模型AUC从0.69提高至0.86，预测能力显著提升。Gong等利用液相色谱质谱法分析了30例包括慢性胃炎、GIM、胃癌患者的血液蛋白质组特征，发现在胃癌前病变患者血液中APOA4和COMP蛋白升高，C3等炎症相关蛋白减少，APOA4有望成为新的GIM生物标志物。由此可见，合理应用多组学技术能够充分解析GIM相关信号，建立联合预测模型，实现更全面和精准的筛查。

血液学检测是GIM内镜前预测的主要方法，采样流程简便，容易被患者接受，但目前研究发现，单一的血液标志物预测GIM的效果有限，基于宏观因素及血液多组学预测模型建立，或将成为未来GIM精准预测的新方向。

（1）GIM的累及范围

2022年Laszkowska等回顾了美国哥伦比亚大学欧文医学中心1990—2019年的GIM患者信息，发现广泛型GIM患者癌变的风险是局限型GIM患者的9.4倍。京都胃炎分类法是经典的癌变风险评级方法，Toyoshima等针对多次内镜检查患者的回顾性研究中，以京都胃炎分类法总分0~1分者为参考，总分4分者 HR值为6.23（95%CI：1.93~20.13），5~8分者为16.45（95%CI：6.29~43.03）。Fujimoto等纳入胃癌与胃炎患者各50例，使用京都胃炎分类法评分，回归分析显示，胃癌组与对照组仅GIM评分差异有统计学意义， OR值为1.62（95%CI：0.94~2.86）。

（2）GIM的分期

① 可操作的与胃癌风险相关的肠化生评估（operative link on gastric intestinal metaplasia assessment，OLGIM）分期：国际上习惯用OLGIM系统来对GIM的严重程度进行评估。2022年Lee等对2 980例胃癌前病变患者进行风险分析，结果显示，GIM中OLGIMⅠ期、Ⅱ期和Ⅲ~Ⅳ期的胃癌发生率分别为21.5/100 000人、108.8/100 000人和543.8/100 000人，OLGIMⅡ~Ⅳ期患者对比OLGIM 0~Ⅰ期患者，癌变 HR值为9.92（95%CI：3.55~27.7）。同时，OLGIM Ⅲ~Ⅳ期患者发生癌变的中位时间为22.7（95%CI：12.7~44.8）个月，显著短于Ⅱ期的50.7（95%CI：28.5~73.3）个月。尽管OLGIM分期对癌变风险的评估具有很高的参考价值，但多点活检流程复杂、消耗医疗资源多，对患者造成的伤害也较大，在实际操作中通常无法按标准模式执行。因此，研究者从未停止对其他GIM分期方法的探索。

②分布区域、萎缩和肠上皮化生（topography，atrophy and intestinal metaplasia，TAIM）分期与内镜下胃肠上皮化生分级（endoscopic grading of gastric intestinal metaplasia，EGGIM）：Nieminen等尝试将OLGIM分期与可操作的与胃癌风险相关的胃炎评估（operative link for gastritis assessment，OLGA）系统相结合，建立了基于解剖位置的TAIM分期，随访发现，TAIM低风险组（0~Ⅰ期）和高风险组（Ⅱ~Ⅳ期）胃癌发病率分别为0.87/1 000人年和2.37/1 000人年，癌变风险与TAIM分期呈正相关，Ⅱ~Ⅳ期较0~Ⅰ期， HR值为2.70（95%CI：1.09~6.69）。EGGIM运用高分辨率窄带光成像（high-definition narrow band imaging，HR-NBI）对OLGIM分期的5个活检部位进行镜下评分，多中心研究发现，EGGIM评分≥5分与OLGIM Ⅲ~Ⅳ期的病变程度相对应，灵敏度89.4%，特异度94.6%。因没有活检过程，EGGIM评分降低了医疗成本，减少了患者伤害，是一种极有潜力的评估手段，然而因其高度依靠内镜医师的评分方法限制了普及。

（3）GIM的分型

根据GIM的组织学特点，可以将其分为完全型和不完全型。Piazuelo等开展了一项持续20年的队列研究，发现在361例初始即被诊断为GIM的患者中，完全型GIM患者胃癌发病率为0.028（95%CI：0.026~0.082）/100人年，不完全型GIM患者胃癌发病率为0.37（95%CI：0.15~0.59）/100人年，不完全型GIM癌变的风险是完全型的13倍以上。通过特殊的染色剂，还可将GIM细分为3种亚型，Ⅰ型属完全型GIM，Ⅱ型及Ⅲ型为不完全型GIM。2021年Du等对12项相关研究进行了荟萃分析，发现相较于完全型GIM，不完全型发生胃癌的 HR值为5.16（95%CI：3.28~8.12）。在不完全型GIM中，Ⅲ型 HR值最高。

近年来，人工智能技术被引入到多种消化道病变的诊治当中。2022年Messmann等指出人工智能对胃癌前病变具备较高的诊断准确率，灵敏度和特异度分别为100%及87.5%。2023年Iwaya等开发了名为“ResNet50”的人工智能系统，训练其诊断GIM的能力，发现其诊断GIM的灵敏度为98.5%，特异度为94.9%，并能够识别人眼难以察觉的微小病变。由此可见，人工智能识别GIM的能力已经达到了专业水准，可辅助内镜医师诊断GIM并评估其癌变风险。

总体而言，OLGIM分期是国际广泛认可的评级系统，其对癌变风险评估的价值已被大量研究证实。而TAIM、EGGIM等新型分期方法虽然未能表现出相对于OLGIM分期的明显优势，但在很大程度上补充了OLGIM的不足，也为未来GIM评估方法的改进提供了经验。基于组织学的OLGIM分期与组织学及内镜特定的分型是目前GIM疾病严重程度判断的重要方法，但其诊断的准确性需要消化科及病理科专家的通力协作。未来随着人工智能新技术的不断引入，GIM的内镜下诊断及严重程度判断将日趋完善。

内镜检查前GIM高危人群的筛选具有很高的成本效益比。通过人群宏观的一般特征如年龄、 HP感染、吸烟等可在一定程度上帮助筛选GIM潜在高危人群，基于血液多组学生物标志物预测模型的建立可有效提高GIM的筛选精准度，宏观因素与多组学标志物联合预测模型的建立将是未来GIM高危人群筛选的新趋势。内镜检查并活检是GIM诊断与评估的金标准，多部位活检可以最大程度代表胃整体病变情况，现行的GIM分级、分型标准对胃癌的发生具备良好的预测价值，但同时也存在操作流程繁琐、医师诊断差异大等缺点。多种评级方法的融合优化，结合人工智能辅助内镜诊断，将为GIM的癌变风险评估提供新途径。目前对于GIM的监测细则，多国现行指南暂未达成共识，相信未来随着基于多模态的GIM预测与评估体系建立（ 图1 ），胃癌的早期防治也将进入新局面。

转自：消化科空间