2025/03/24 02:28:00

2025最新胃黏膜LGIN研究：一篇看懂胃癌風險與預測模型

2025最新胃黏膜LGIN研究：一篇看懂胃癌風險與預測模型

Article cover

目錄

引言

很多人在接受胃鏡檢查後，看到報告上寫著「LGIN（胃部低度上皮內瘤變）」時，心裡都會冒出大問號：這代表很快會變成胃癌嗎？是否應該立刻動手術？根據全球癌症資訊統計（世界衛生組織 WHO 資料），胃癌在全世界的死亡率排在前幾名，尤其在東亞地區更是常見，這使得「早期發現、早期治療」的觀念尤為重要。

所謂的 LGIN，意思是胃黏膜細胞已經出現輕微病變，但尚不算是高惡性或真正癌症。它常被視為癌症前期病灶，也就是「可能會演變成胃癌」的警訊之一。臨床上，我們除了依靠簡單的胃鏡檢查看外，也會透過組織切片來判斷病變程度。然而，很多研究顯示，在做完初步切片後，接著進行完整內視鏡切除（endoscopic resection, ER）時，發現病灶實際的分級往往比原先預期更高，也就是「病理升級」現象。

本篇文章所討論的研究，正是針對「胃 LGIN 容易在後續完整切除檢查時升級為高級別病變或早期胃癌」的臨床問題，並建立預測模型來協助醫師判斷「哪些 LGIN 患者風險較高，可能需要更積極的治療」。如果你或你的家人有 LGIN 或是長期胃部不適，就更需要了解這份研究，因為它將提供一個不錯的預估依據，讓你可以和醫師討論更合適的醫療策略。

研究亮點

你可能不知道的「內視鏡判讀特徵」

在許多臨床案例中，内視鏡檢查常被視為診斷胃部病變最直接的方式，包含白光內視鏡（White-Light Endoscopy）以及放大內視鏡（Magnifying Endoscopy, ME）。你可能不知道，這些看似一般的「色澤、邊界、表面粗糙度」其實早就暗藏了是否會惡化的線索。

例如，研究指出，若白光內視鏡下看到病灶表面呈現潰瘍狀（也就是黏膜破損程度較深）、局部有明顯糜爛或白色覆蓋物、甚至有較明顯的黏膜局部變化，都可能和高風險病理升級有關。在特殊染色或加上窄頻影像（NBI）的放大技術下，醫師更能看清楚「微血管（microvascular, MV）」與「微表面（microsurface, MS）」的細微變化，像是血管走向是否不規則、表面腺體排列是否亂，或者是否出現白色不透光層（WOS）或亮藍色邊緣（LBC, light blue crest）等。這些特徵都可能提示「這塊組織可能不只是低度病變」，臨床醫師需要提高警覺。

其實這些模型早就暗藏了「預測風險」的線索

在這篇研究中，作者收集了 171 位新確診 LGIN 並在 6 個月內接受完整內視鏡切除的患者，最後發現有 93 位患者的病灶升級為高級別瘤變（HGIN）或早期胃癌（EGC）。為了更準確地預測這些升級風險，他們結合了很多臨床指標（如：性別、病灶大小、是否有腸化生或萎縮等），以及上述提到的放大內視鏡特徵（如：MV、MS 規則度、白色不透光層、亮藍邊緣等），分別用「傳統邏輯式回歸（Logistic Regression）」以及「LASSO」（Least Absolute Shrinkage and Selection Operator）兩種方式，建立風險預測模型。

為了讓大家更直觀地比較這兩種模型，下表整理了作者在研究中提到的預測表現：

胃 LGIN 病理升級兩種模型預測表現 | 模型 | 敏感度(Sensitivity) | 特異度(Specificity) | 曲線下面積(AUC) | 內部驗證AUC | | ----------- | ---------------- | ---------------- | ---------- | ------- | | Logistic 回歸 | 0.868 | 0.800 | 0.896 | 0.908 | | LASSO | 0.842 | 0.840 | 0.904 | 0.905 |

從上表可以看出，兩個模型的準確度都很高，AUC（曲線下面積）差不多都在 0.90 左右，代表都能提供相當好的區分能力；不過在臨床應用上，LASSO 的特異度（0.840）略高於傳統 Logistic（0.800），且在決策曲線上提供較高的淨收益（net benefit），也就是臨床醫師若依據 LASSO 模型的結果來決定是否要更積極介入治療，可能在「避免誤判或延誤」之間取得更好的平衡。

挑戰與未來發展

儘管研究顯示這兩個模型都能幫助醫師更準確地判斷哪些 LGIN 病灶有「病理升級」的風險，但是在實務上仍有幾個困難值得注意：

  • 內視鏡判讀難度高：就算有放大內視鏡（ME），要判斷 MV、MS 是否規則仍需相當經驗，也容易因畫質、黏液遮蔽、判讀者個人經驗等因素而產生誤差。
  • 樣本量不足：本研究納入 171 位患者，相對算是中小規模，雖然有不錯的可信度，但若在其他醫院或國家應用，是否能得到同樣的結果，還需更大規模、多中心的研究驗證。
  • 模型未全面普及：並非所有醫院都建立了電子決策輔助系統，臨床醫師需要自行收集並計算這些參數，有一定的現實門檻。

未來若能將更多基因檢測（例如測定腫瘤標記或家族遺傳風險）整合到這種預測模型中，也許可以在更小的病變階段就發現「細胞突變」帶來的危險信號。此外，若內視鏡影像系統能再進一步優化對特殊黏膜特徵的辨識速度與精確度，也將能再度提升預測的可靠性。這些都為臨床實踐帶來新的想像空間。

結論

總結來說，本研究成功地透過白光內視鏡觀察與放大內視鏡所見的特徵，再加上臨床基本資料與切片檢查結果，建立了可以判斷「胃 LGIN 升級風險」的預測模型。其中，LASSO 模型在特異度與決策分析上，呈現了稍優的臨床應用價值。這不僅能協助醫師更精準地決定「哪位患者需要更積極的治療」，也能減少不必要的擔憂和不適當的侵入性檢查。

如果你近期或過去曾被診斷為 LGIN，也擔心未來是否會惡化，可以主動和專業的消化內科醫師討論是否該做更仔細的內視鏡追蹤或提早接受治療。因為定期做胃鏡，加上遵循醫師的建議與追蹤，是守住胃部健康的第一步。面對 LGIN，別怕「有早期癌症風險」這句話，只要採取行動，依照醫囑檢查與治療，就有很好的機會阻擋胃癌的進一步發展。

Reference