新研究或可帮助解决胃癌诊断治疗难题(胃癌该如何治疗)

新研究或可帮助解决胃癌诊断治疗难题

来自新加坡国立大学癌症科学研究所的研究人员发现RNA序列发生改变可能影响胃癌发展。对这一胃癌驱动力的进一步研究或将促进胃癌早期诊断技术以及有效治疗手段的开发。相关研究结果发表在国际学术期刊Gastroenterology上。

RNA是DNA中蕴含的遗传信息翻译为蛋白质过程的中间产物，在RNA作为信使传递信息的过程中要经历复杂的加工过程。研究人员表示：“目前多数关于胃癌的分子学研究都主要集中在DNA序列的改变。尽管最近一些研究发现RNA在影响癌症发展方面存在作用，但是RNA序列的改变如何影响胃癌发生还没有得到很好的研究。我们首次进行了深度分析发现因胃癌中ADAR1和ADAR2这两个与RNA编辑有关的酶造成的RNA序列改变可能是影响胃癌发展的新驱动力。”

ADAR1和ADAR2是RNA编辑过程中起调控作用的两个上游调控因子，而这两个因子在胃癌发展中具有相反作用。ADAR1是一个促进癌症的因子，而ADAR2是一个抑制癌症的因子。

研究团队对比了正常情况下到胃癌不同阶段的RNA编辑水平，发现在胃癌发展过程中存在RNA编辑水平的紊乱。研究人员还发现胃癌病人的肿瘤样本中存在ADAR表达的高度不平衡，该现象可以预测病人可能出现最差的临床预后情况。

DNA突变通常发生在癌症的晚期阶段，而与此不同，RNA的变化发生地更加频繁。在疾病发生的早期阶段，RNA编辑水平的变化可以在癌变前样本中得到稳定检测。因此该研究表明检测病人体内ADAR1和ADAR2的表达量及两者的比值，特别是在早期阶段，可以帮助预测胃癌病人的预后情况。

研究人员表示他们将继续研究RNA编辑过程中驱动胃癌发展的关键事件，探索改正这一过程的安全有效方法。目前他们正在开发一些小分子来阻断驱动癌症发展的RNA编辑过程。

胃癌该如何治疗

(一)外科治疗 凡临床检查没有发现明显的肿瘤转移征象，全身其他各重要脏器没有严重器质性病变，患者全身营养状态、免疫功能可以忍受手术者，都应该积极争取手术治疗的机会。 胃癌手术治疗的效果与胃癌的早期诊断、病理形态和手术方案的选择有很大关系。根据对胃癌生物学行为的研究，上部胃癌比中下部胃癌手术预后差，因为中下部胃癌以团生者居多，而上部胃癌以弥生者居多。肿瘤大小对预后无明显关系，浸润弥漫型胃癌因其边缘不清，手术切除范围不易确定，且此种类型的胃癌有转移者多而广泛，手术不易彻底清除．故：年生存率较低。而团生型胃癌胃周淋巴结多属轻度转移且位于癌灶附近，手术容易彻底清除，故预后较好。综合30年来国内外胃癌术后的5年生存率在20％一30％。 (二)化学治疗 化疗在胃癌的治疗中同样占有重要地位，通常作为手术的术前、术中和术后的辅助治疗，用以进一步提高疗效。可以达到以下目的：(1)使病灶局限，以提高手术切除率。(2)减少术中肿瘤细胞播散、种植的机会。(3)根治术后辅助化疗，以消灭可能存在的残留病灶以防止转移和复发。(4)姑息性手术治疗后，可控制病情发展，延长生存期。对于无法接受手术治疗的患者，化疗的作用就更为重要了。近年来新出现的卡培他滨等口服化疗药物，为胃癌患者带来了新的福音。与传统静脉化疗药物不同，这类药物通过口服给药，患者在家中就能够接受化疗，非常方便，并且从根本上避免了静脉化疗导致的一系列并发症。 (三)放射治疗 未分化癌，低分化癌，管状腺癌、乳头状腺癌等胃癌类型对放疗有一定的敏感性，癌灶小而浅者、无溃疡者效果最好，甚至可使肿瘤全部消失。粘液腺癌及印戒细胞癌对放疗无效。 胃癌的术前放疗能使60％以上病员的原发肿瘤有不同程度的退缩，切除率比单纯手术组提高5．3％－20％，5年生存率可提高11．9％。对原发灶已切除、淋巴结转移在两组以内或原发灶侵及浆膜面并累及胰腺、无腹膜及肝转移者可行术中放疗。对手术中无法切除者，应在癌残留处以银荚标记之，术后经病理证实其组织学类型非粘液癌或印戒细胞癌可行术后补充放疗。 (四)免疫治疗 免疫治疗的适应证包括：①早期胃癌根治术后适合全身应用免疫刺激剂；②不能切除的或姑息切除的病例可在残留癌内直接注射免疫刺激剂；③晚期病人伴有腹水者适于腹腔内注射免疫增强药物。 （五）中医中药治疗 对于有些胃癌患者，还可以采用适当的中医中药方法进行治疗，并取得不错的疗效。

综述 | 人工智能在胃肠疾病和肝病中的应用

Catherine Le Berre 等
摘要 ：自2010年以来，人工智能（A I）在医学上的应用取得了实质性进展。人工智能在胃肠病学中的应用包括内镜下病变分析，癌症检测，分析无线胶囊内镜检查中的炎性病变或消化道出血。人工智能还被用于评估肝纤维化，区分胰腺癌患者与胰腺炎患者。人工智能也可以根据多组学数据确定病人的预后或预测他们对治疗的反应。本文综述了人工智能帮助医生做出诊断或确定预后的方法，并讨论其局限性，了解在卫生当局批准人工智能技术之前需要进一步的随机对照研究。
关键词 ：深度学习；机器学习；神经网络；消化系统

人工智能没有一个单一的定义，人工智能的概念包含了执行与我们人类智能相关联的功能的程序，比如学习和探索解决问题[1,2]。人工智能、机器学习和深度学习是概念上相互交叉的学科（见图1）。机器学习是一个包括了计算机科学和统计学的广阔学科，机器学习程序重复迭代以应对提高特定任务的性能，产生了分析数据和学习描述和预测模型的算法。供训练的数据大多以表格形式组织，其中对象或个人为行，而变量，无论是数值型还是分类型都是列。机器学习大致可分为监督方法和无监督方法，无监督学习的目的是在不掌握群体的数量或特性的先验知识的前提下，根据数据的共性识别群体。有监督学习在训练数据包含每一个对象的输入—输出对的表征的使用。输入包含个体的特征描述，输出包含要预测的感兴趣的结果，要么是分类任务的类，要么是回归任务的数值。有监督的机器学习算法学习这种输入和输出对的映射关系，在新的输出出现时，自动预测它对应的输出[3]。

人工神经网络（ANN）是受大脑神经解剖学启发的监督ML模型。每个神经元都是一个计算单元，所有神经元相互连接，建立整个网络。信号从第一层（输入）传到至最后一层（输出），可能经过了多个隐含层（见图2）。训练神经网络的过程包括将数据划分为一个训练集，该训练集有助于定义网络的体系结构，并找出节点之间的各种权重，然后是一个测试集，用于评估神经网络预测所需输出的能力。在训练过程中，神经网络内部神经元之间的连接权重被不断优化。对更好性能的不断追求导致了复杂的深度神经网络的诞生[4]。

大多数研究使用1个数据集训练机器学习过程，另一个独立数据集测试其性能。一些研究使用常见的验证方法，例如留一法交叉验证[8]。为增加训练数据，一些研究采用了随即裁剪、调整大小、平移、沿任一轴翻转的数据增强方法。数据集包括了阴性和阳性图像的结果。

目前已经有53项研究使用了AI来检测恶性和癌前肠道病变（表1）。从方法学上看，其中大部分（48项）集中在内镜上，3项研究使用了提取自电子病历的临床和生物学数据（主要包括人口统计数据、心血管疾病、用药情况、消化症状和血液计数情况），1项研究基于血清肿瘤标志物，1项使用肠道微生物群数据。从部位上看，其中，27项研究致力于提高结直肠息肉或癌症的诊断准确性[12-38].19项研究聚焦于诊断上消化道癌前或恶性病变[39-57]。只有4项研究局限于小肠研究[58-61]。3项研究关注了整个消化道[62-64]。从验证方法上看，其中，24项研究采用特殊的验证方法，主要是K折交叉验证。对于以内镜为重点的研究，训练和测试数据集的大小在不同的研究中差异很大。各项研究的性能表现也是差异巨大的（个人认为主要取决于数据集），但大多数算法的精度达到80%以上。
两项已发表的随机对照实验比较了智能与非智能内镜的性能。第一项研究测试了一种实时深度学习系统（WISENSE）的性能，监测食管胃十二指肠镜检查（EGD）中的盲点。一共324名患者被随机分配到有或者没有WISENSE系统的EGD中。在WISENSE组中，准确度达到了90.4%，其盲点率明显比对照组低（5.9% vs 22.5%）[65]。第二项研究探讨了基于DL的自动息肉检测系统在结肠镜检查中的作用，一共1058名患者被随机分配到有或者没有智能辅助系统的诊断性结肠镜检查中。人工智能系统将腺瘤检出率从20.3%显著提高到29.1%，平均每个病人检出的腺瘤数目从0.31增加到0.53[66]。这些结果表明，人工智能系统可用于提高内镜对胃肠道癌前病变的诊断价值。
除了提高诊断准确性外，人工智能还可以帮助医生确定消化道肿瘤患者的预后。一个基于1219例结直肠癌患者的数据集建立的神经网络与传统的COX回归模型相比，提供了更精确的生存时间和影响因素的确定[67]，并可用于确定患者远处转移的风险[68]。采用人工神经网络模型对452例胃癌患者进行评估，并以大约90%的准确率确定生存时间[69]。在一项对117例II A期结肠癌根治术后患者的研究中，一种基于神经网络的评分系统，根据肿瘤的分子特征，将肿瘤术后患者分为高、中、低危三组，三组患者十年总体生存率和无病生存率差异显著[70]。深度学习预测局部晚期直肠癌患者对新辅助化疗有完全反应的准确率达80%，这项技术可能被用来识别最有可能从保守治疗或根治性切除中受益的患者[71]。另外，一个基于DL的模型可以根据临床、病理数据及治疗方案，预测1190例胃癌患者5年的生存期。该系统的AUC值为0.92，并确定了肿瘤的分子特征与最佳辅助治疗之间的关系[72]。

AI已经被用于识别炎症性肠病（IBDs）（N=6）[73-78]，溃疡（N=6）[79-84]，脂泻病（N=5）[85-89]，淋巴管扩张（N=1）[90]，和钩虫病（N=1）[91]，两项研究评估了炎性病变患者的内镜检查结果[92,93]。两项研究使用电子病历来确定患者患腹腔疾病的风险，1项研究使用遗传因素来确定患者患IBD的风险。三分之二（21项中的14项）的研究使用K折交叉验证，以避免数据的过度拟合，这21项中有12项研究的患者的患者准确率约为90%。
许多研究已经验证了AI预测IBD患者治疗反应的能力。Waljee等人利用年龄和实验室数据研发了一种机器学习方法，这种方法的成本较低，且比6-硫鸟嘌呤核苷酸（6-TGN）代谢物测定更准确地预测患者对噻嘌呤的临床反应（AUC 0.86 vs 0.60）[94]。然后，他们根据生物标志物、影像学数据和内镜检查结果，改进了之前的ML模型，以预测接受硫嘌呤治疗的患者的客观缓解。该ML模型优于6-TGN水平的测量（AUC 0.79 vs 0.49）[95]。一种ML模型分析了韦多利单抗治疗溃疡性结肠炎患者的三期临床试验数据，与第6周AUC为0.71的粪便钙保护水平相比。AI能够预测哪些患者将在第52周时在无皮质类固醇的前提下实现内镜下缓解，预测性能的AUC值为0.73。因此，韦多利单抗在前6周的益处不明显时，该算法可用于选择患者继续使用韦多利单抗[96]。另外，还有一种人工智能算法，它将微生物群的数据与临床数据结合起来，确定了IBD患者的临床反应，其预测患者抗整合治疗的AUC为0.78[97]。一种神经网络鉴定溃疡性结肠炎患者在细胞置换治疗后，需要进一步手术的敏感性和特异性分别达到了0.96和0.87[98]。
预测IBD发病或进展的人工智能系统也正在研发中。一种分析克罗恩病患者早期活检图像的神经网络在识别疾病进展的准确性达到了83.3%，预测患者需要手术的准确度达到了86.0%[99]。Waljee等人建立一种ML方法分析电子病历数据，预测6个月内IBD相关的住院和门诊病人使用类固醇的AUC值达到了0.87[100]。人工神经网络预测IBD患者临床复发的频率，具有较高的准确性[101]。

十二项研究已经被用于验证AI在无限胶囊内镜图像中检测小肠出血的能力（表3）[55，102-112]。12项中的8项研究采用特殊的验证技术，主要是K折交叉验证。在这些研究中，9项研究识别小肠出血的准确率超过了90%。
对于急性上消化道出血或下消化道出血的患者，可通过内镜检查轻松确定出血原因，然而，很大一部分病人有反复出血的情况，这需要重复内镜检查和治疗。因此，ML模型被开发以确定有复发性出血风险的患者和最有可能需要治疗的患者，并估计死亡率。这些模型使用临床和/或生物数据，并以大约90%的准确率识别这些患者[113-117]。一种建立在22854名胃溃疡患者的回顾性分析和1265名用于验证的患者基础上的ML模型，能够根据患者的年龄、血红蛋白水平、胃溃疡、胃肠道疾病、恶性肿瘤和感染来确定复发性溃疡出血的患者。模型确定1年内复发性溃疡出血的患者，AUC为0.78，准确率为84.3%。

22项研究测试了AI在辅助胰腺疾病或肝脏疾病诊疗中的能力（表4）。其中关于胰腺癌的AI系统有6项，其中5项研究基于内镜超声[118-122]、1项基于血清标记物[123]。这些研究识别胰腺癌患者的AUC约为90%。16项关于肝脏的研究中7项研究旨在检测与病毒性肝炎相关的纤维化[124-130]，6项开发了人工智能策略检测非酒精性脂肪肝[131-136]。2项研究识别食管静脉曲张[137,138]。1项评估患者不明原因的慢性肝病[139]。其中，13项研究使用电子病历和、或生物特征的数据建立算法，3项研究使用弹性成像数据。除2项外，所有研究都使用了特定的验证技术 ，主要是k-折叠交叉验证。这些模型的精度约为80%。
除了提高诊断准确性外，还需要确定病人预后和预测疾病进展的AI方法。Pearce等人建立了一个ML模型，根据APACHE II评分和C反应蛋白水平来预测急性胰腺炎患者的严重程度。他们模型的AUC值达到了0.82，敏感度87%，特异度71%[140]。Hong等人根据急性胰腺炎患者的年龄、红细胞压积、血清葡萄糖和钙水平以及尿素氮水平，创建了一个ANN来评估患者的持续性器官衰竭，准确率达96.2%[141]。Jovanovic等人开发了一种ANN模型，根据临床、实验室和经皮超声检查结果，识别胆总管结石病患者进行治疗性内镜逆行胰胆管造影术的需求，其AUC为0.88[142]。
Banerjee等人开发了一种基于临床和实验室数据的人工神经网络，以90%的准确性确定肝硬化患者将在1年内死亡的可能性，该模型可用于确定肝移植的最佳候选者[143]。Konerman等人基于临床、实验室和病理组织学数据建立了一个机器学习模型，识别慢性丙型病毒感染肝炎患者疾病进展的最高风险，以及肝脏相关性结果（肝相关死亡、肝失代偿、肝细胞癌、肝移植或Child-Pugh评分增加到7分），该模型在1007名患者的验证集中AUC值达到了0.708。Khosravi等人建立了一种神经网络来预测1168名肝移植患者的生存期。该模型可估计1-5年的生存概率，AUC为86.4%，而Cox比例风险回归模型为80.7%[146]。研究人员还利用人工神经网络将肝脏捐献者与接受者配对，从而提供强有力的决策技术[147]。此外，ML模型可以帮助预测对治疗的反应。Takayama等人建立了一种ANN预测慢性丙型病毒感染肝炎患者对聚乙二醇化干扰素a-2b联合利巴韦林治疗的反应，预测的敏感度达到了82%，特异度达到了88%。

人工智能将成为胃肠病和肝病学家诊断患者、选择治疗手段和预测预后的重要手段。许多方法都是在这些目标下发展起来的，并展示出不同的性能水准。由于性能指标的差异，很难比较这些研究的结果。人工智能似乎在内镜下特别有价值，它可以增加对恶性和癌前病变、炎症病变、小肠出血和胰胆紊乱的检测。在肝脏学中，人工智能技术可以用来确定患者肝纤维化的风险，并允许一些患者避免肝活检。
我们的综述只涵盖了PubMed中列出的文章，并且可能错过了计算机科学和医学图像分析期刊上的一些出版物。尽管如此，在过去的20年里，人工智能已经成为胃肠病学和肝脏学研究的重要组成部分。尽管本文的综述的重点是辅助诊断和预后，但是其他研究方向的人工智能也正在被探索，例如基于机器学习的内镜质控评估（盲肠标志，机器学习评估检测结肠镜的后续建议），AI在胃肠道领域的应用也在不断被扩大。
值得注意的是，目前的AI技术受的高质量数据集的缺乏所限制。大多数用于开发ML算法的证据来自临床前研究，目前在临床实践中没有应用。此外，DL算法被认为是黑箱模型，黑箱模型很难理解决策过程，阻止医生发现潜在的混杂因素。考虑道德挑战也很重要，人工智能不知道病人的偏好或法律责任。如果发生内镜误诊，谁有责任-内镜医生、程序员或制造商？此外，在确定与病毒性肝炎有关的肝脏纤维化风险时，种族歧视等固有偏置容易被纳入人工智能算法，特别是在肝脏学领域。在开发人工智能模型时，重要的是要考虑这些因素，并在一系列人群中验证模型。医学总是有内在的不确定性，因此完美的预测是不可能的，一些与人工智能相关的研究空白在胃肠学和肝脏学领域仍有待研究（表5）。
在胃肠病学和肝病学方面，人工智能的发展是没有回头路可走的，未来的影响是巨大的。使用人工智能可以增加在发展中地区的人们获得护理的机会，特别是在评估患者患病毒性肝炎或肠道寄生虫病的风险方面。智能手机可以使用人工智能技术远程监测患者的健康，IBD患者居家测量粪便钙保护素的方法已经被建立[149]。人工智能还可以通过从大型患者数据集中集成分子、遗传和临床数据来识别新的治疗靶点。然而，人工智能不会完全取代医生，人工智能仍将辅助医生工作。虽然机器可以做出准确的预测，但最终，医护人员必须根据病人的喜好、环境和道德为他们的病人做出决定。

胃癌的中医治疗方法是什么？

胃癌是我国常见的恶性肿瘤之一，约占消化道癌瘤的50％。本病可发生于任何年龄，以40～60岁最多，男性多于女性，比例约为3∶1。其好发部位在幽门窦与胃小弯，其次为贲门、胃底与胃体部。形态病理学上，可分为表浅型、肿块型、溃疡型、浸润型与溃疡型。组织学类型为腺癌、鳞癌、腺角化癌、腺棘细胞癌、胃类癌，以腺癌居多。

临床以胃脘疼痛、消瘦、嗳气、呕吐、吐血、黑便及上腹部包块等常见症状，属中医“反胃”、“胃脘痛”、“积聚”等症范畴。情志内伤、饮食失节、脏腑失调，是导致本病的主要因素。

其病因病机多从“虚”（脾胃气虚、脾肾阳虚、血虚）、“瘀”（血瘀）、“湿”、“毒”、“痰”等五个方面考虑。其中脾胃虚弱为本，气滞、血瘀、痰凝为标。其病机多为肝气犯胃，气滞血瘀；脾胃气虚血行无力，气虚而瘀、而生痰湿；脾胃阴虚，虚火灼胃，络伤血溢而瘀；痰湿瘀久，致癥瘕积聚成胃癌。

胃癌是消化系统常见的恶性肿瘤。西医可采取根治手术，结合化疗、放疗，有一定的效果。配合中医药可以增强疗效，减少放疗、化疗的毒副作用，而且可以提高生存率及生存质量，延长生存期，降低复发率。

（一）辨证施治

临床胃癌常用中医辨证分型及治疗如下：

1.肝胃不和

［辨证要点］胃脘胀满，时时隐痛，串及两胁，气郁不舒则疼痛加重，口苦心烦，嗳气或呃逆呕吐，舌淡红，苔薄黄或薄白，脉弦。

［治法］疏肝理气，降逆和胃。

［方药］醋柴胡10g，杭白芍15g，青陈皮各10g，川楝子10g，白术10g，茯苓10g，砂仁10g，旋复花10g，代赭石15g，清半夏10g，生姜10g，郁金10g。

噎重时加威灵仙15g、急性子10g、山豆根10g。

2.脾胃虚寒

［辨证要点］胃脘隐痛，绵绵不断，喜温喜按，朝食暮吐，暮食朝吐，或时吐清水，面色无华，或肢冷神倦，少气懒言，便溏，舌胖而淡，边有齿痕，苔滑润，脉细缓或沉细。

［治法］温中散寒，健脾和胃。

［方药］理中汤合六君子汤加减：党参15g，白术10g，制附片6g，干姜10g，红豆蔻10g，吴茱萸10g，陈皮10g，茯苓10g，砂仁10g，诃子肉10g，藤梨根30g，半枝莲30g，白花蛇舌草30g，白英15g。

3.胃热伤阴［辨证要点］胃脘灼热疼痛，胃脘嘈杂，纳食后疼痛加重，口干喜冷饮，五心烦热，大便秘结，舌红绛，苔黄或灰褐或光红无苔，脉细数或滑数。

［治法］养阴清热，益胃生津。

［方药］麦门冬汤合竹叶石膏汤：麦门冬15g，沙参15g，玉竹10g，竹叶10g，生石膏15g，知母10g，天花粉15g，石斛15g，甘草10g，蛇莓15g，夏枯草15g，半枝莲30g，藤梨根15g，白花蛇舌草15g，白屈菜15g。

有实热便结者，加大黄6g、芒硝6g。

4.毒内瘀阻［辨证要点］胃脘刺痛，痛有定处，拒按，或呕吐血性胃内容物，便黑或燥结，肌肤甲错，舌紫暗或有瘀斑，苔黄或燥，脉涩数。

［治法］活血祛瘀，解毒止痛。

［方药］失笑散合桃红四物汤加减：生蒲黄10g，五灵脂10g，桃仁12g，红花10g，当归10g，丹参15g，元胡10g，川楝子10g，乌药10g，侧柏炭12g，仙鹤草30g，干蟾皮10g，虎杖15g，水红花子12g，半枝莲30g，白花蛇舌草15g。

5.痰湿凝结［辨证要点］胃脘满闷，呕恶痰涎，身重体倦，头重如裹，目眩，腹胀便溏，舌淡润，苔滑腻，脉濡细或滑。

［治法］化痰散结，理气温中。

［方药］二陈汤合五苓散加减：法半夏10g，陈皮10g，茯苓10g，猪苓30g，苍白术各10g，竹茹10g，桂枝6g，南星6g，生牡蛎15g，枇杷叶15g，土贝母15g，半边莲30g，龙葵15g，土茯苓15g，半枝莲30g，汉防己12g，山慈菇10g。

6.气血双亏［辨证要点］多见于晚期癌症病人。面色苍白无华，头晕目眩，心悸气短，自汗乏力，纳差消瘦，下肢浮肿，虚烦不眠，舌淡胖，脉沉细无力。

［治法］益气养血，健脾益肾。

［方药］十全大补丸加减：黄芪30g，当归10g，党参15g，熟地10g，川芎10g，杭白芍15g，白术10g，甘草6g，茯苓10g，肉桂6g，黄精15g，炒枣仁15g，合欢皮10g，何首乌15g，紫河车3g（分冲）。

7.随证加减根据胃癌病人主症，在上述辨证分型的基础上，兼证加减。

（1）口干者，加天花粉、石斛、麦冬、沙参、生地、元参、天冬等。

（2）便结者，加瓜蒌仁、肉苁蓉、大黄、火麻仁、番泻叶，重者加芒硝。

（3）便溏者，加炒薏苡仁、山药、儿茶、诃子肉、石榴皮等。

（4）出血者，加血余炭、侧柏炭、藕节炭、仙鹤草、汉三七、茜草、地榆炭等。

（5）呕吐者，加姜半夏、淡竹茹、生姜、柿蒂、石斛、麦冬、沙参、旋复花、代赭石等。

（6）骨髓抑制，血象下降者，加黄芪、当归、白芍、补骨脂、女贞子、旱莲草、熟地、茜草等。

（二）其他疗法

1.针刺疗法

（1）体针：胃俞、膈俞、脾俞、足三里、条口、丰隆等穴，对胃痛有效；呕吐者可选择膈俞、脾俞、内关；胃脘疼痛、幽门梗阻者可针刺脾俞、胃俞、关元、足三里、中脘等穴。

（2）耳针：取耳穴肾、神门、肝、脾、皮质下。用0.5寸毫针直刺或贴敷王不留行籽，两耳交替使用。

2.气功胃癌病人体质较弱，宜练坐功或卧功，意守胃脘患处，或意守足三里穴。胃癌术后体质恢复者，可选站功、太极拳、郭林新气功、八段锦等。

3.单方、验方

（1）胃痛糖浆：藤梨根500g，薏苡仁250g，连苗荸荠500g，水煎取药汁，文火浓缩成膏，加适量蔗糖搅匀，一次两茶匙，每日3次。

（2）双半汤：半边莲、半枝莲各30g，煎代茶饮。

（3）藤虎糖浆：藤梨根500g，虎杖500g，煎水浓缩成每1ml含生药1g为度，每次30ml，每日2次。也可用藤梨根60g，虎杖根30g，水煎服，每日1剂。

（4）健脾益肾冲剂：成分为党参、白术、枸杞子、女贞子、菟丝子、补骨脂等。每次1袋，每日2次。适于术后长期服用，防复发。

（5）加味西黄散：麝香6g，人工牛黄10g，乳香40g，没药30g，三七粉30g，山慈菇30g，砂仁30g，薏苡仁30g等，共为细末，装胶囊，每日2次，每次2粒。

（三）预防与调护

1.预防

（1）注意饮食卫生：饮食有规律，忌酒或少量饮酒，少进食腌制、炸烤、熏制及生冷食品。

进食忌过快、过烫等。

（2）保持心情舒畅，保持乐观向上的心理状态。

（3）慢性萎缩性胃炎、胃息肉、胃溃疡、胃大部切除术后的残胃等是胃癌的高发因素，宜积极治疗，定期检查。

2.调护

（1）保持心情舒畅，减轻焦虑情绪，树立战胜疾病的信心。

（2）饮食以易消化食物为主，忌辛辣刺激和油腻食品，忌烟酒。

（3）胃癌术后病人宜少食多餐，细嚼慢咽。

本文地址:http://dadaojiayuan.com/jiankang/297888.html.

声明： 我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本站部分文字与图片资源来自于网络，转载是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们(管理员邮箱：douchuanxin@foxmail.com)，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!

上一篇: 研究发现：病毒能让人生病也能促进雄性···

下一篇: 默克推出全新基因编辑技术Centin···