Nuevas tendencias en el manejo de la enfermedad por reflujo gastroesofágico

Nuevas tendencias en el manejo de la enfermedad por reflujo gastroesofágico

Mónica R. Zavala-Solares 1, 2 , Daniel I. Carmona-Guerrero 3

1 Facultad de Medicina, Universidad Autónoma de Querétaro, Santiago de Querétaro, Querétaro, México; 2 Departamento de Gastroenterología, Hospital Ángeles Centro Sur, Santiago de Querétaro, Querétaro, México; 3 Departamento de Gastroenterología y Laboratorio de Motilidad Gastrointestinal, Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán, Ciudad de México, México

*Correspondencia: Mónica R. Zavala-Solares. Email: gastro.drazavala@gmail.com

Fecha de recepción: 04-07-2025

Fecha de aceptación: 20-10-2025

DOI: 10.24875/CGM.25000020

Disponible en internet: 10-12-2025

Clín. Gastroenterol. Méx. 2025;1(3):303-314

Resumen

La enfermedad por reflujo gastroesofágico (ERGE) continúa siendo un reto diagnóstico y terapéutico por su heterogeneidad clínica y fisiopatológica. En los últimos años han surgido innovaciones que buscan optimizar su identificación y manejo. La inteligencia artificial aplicada a cuestionarios clínicos y endoscopia ha demostrado precisiones diagnósticas superiores al 90% para lesiones relacionadas con reflujo, esófago de Barrett y carcinoma escamoso, con desempeños comparables al de expertos. La impedancia mucosa directa permite evaluar la integridad epitelial en tiempo real, diferenciando la ERGE de otras enfermedades, como la esofagitis eosinofílica. La monitorización nocturna del reflujo se ha fortalecido mediante la pH-impedancia multicanal, la impedancia media basal nocturna, la cápsula inalámbrica Bravo® y los dispositivos digitales, lo que posibilita una caracterización más integral. De forma paralela, biomarcadores como la pepsina salival, el microbioma oral, micro-RNA e impedancia basal muestran potencial para predecir la respuesta terapéutica y el riesgo de progresión. Además, la incorporación de constructos estandarizados, como la Lyon Score y la Milan Score, ha mejorado la estratificación fenotípica y funcional. Finalmente, los probióticos surgen como terapias adyuvantes prometedoras, con beneficios en síntomas de reflujo y dispepsia. En conjunto, estas innovaciones apuntan hacia un abordaje más preciso y personalizado de la ERGE, aunque aún requieren validación clínica y estandarización para su aplicación sistemática.

Palabras clave:  Enfermedad por reflujo gastroesofágico. Inteligencia artificial. pH-impedancia. Biomarcadores. Probióticos.

Contenido

Introducción

Los trastornos gastrointestinales continúan evolucionando en cuanto a sus mecanismos fisiopatológicos, estrategias diagnósticas y opciones terapéuticas, y la enfermedad por reflujo gastroesofágico (ERGE) no es la excepción. La ERGE es una enfermedad crónica caracterizada por el reflujo retrógrado del contenido gástrico hacia el esófago, que se manifiesta típicamente con pirosis y regurgitación, pero que también puede presentar síntomas atípicos, como tos crónica, laringitis, dolor torácico o molestias faríngeas. Su prevalencia global ha mostrado un incremento constante, en particular en países en desarrollo, y representa una carga considerable tanto en la calidad de vida de los pacientes como en los costos sanitarios asociados1.

Los capítulos predecesores nos sirvieron de guía para poder enunciar los diferentes hallazgos que se han dado a conocer en años recientes sobre inteligencia artificial (IA), probióticos, monitorización y parámetros biométricos relacionados con la ERGE.

Tecnologías emergentes

Uso de IA en el diagnóstico y el seguimiento de la ERGE

La ERGE es una patología digestiva prevalente y, como ya se ha mencionado, su presentación clínica es diversa, desde síntomas típicos como pirosis y regurgitación hasta manifestaciones atípicas como tos crónica o laringitis. Su diagnóstico clínico puede ser impreciso, lo que ha motivado el desarrollo de herramientas basadas en la IA para mejorar su detección y clasificación2.

La IA, que incluye técnicas como el aprendizaje automático y el aprendizaje profundo, ha sido aplicada en el campo de la endoscopia y en cuestionarios clínicos con el objetivo de optimizar la detección y la caracterización de lesiones esofágicas, tanto benignas como malignas3.

En el ámbito de la IA aplicada a la ERGE, se han desarrollado modelos basados en cuestionarios clínicos y en la integración de datos sintomáticos. Estos cuestionarios incluyen información sobre la frecuencia y la intensidad de la pirosis y de la regurgitación, la presencia de síntomas atípicos (tos crónica, disfonía, dolor torácico no cardiaco), factores asociados con la ingesta y el sueño, así como el impacto en la calidad de vida. Los modelos de IA entrenados con estos datos han mostrado un desempeño diagnóstico sobresaliente, alcanzando un área bajo la curva ROC (AUROC) de 0.99, con una sensibilidad y una especificidad del 97%, y con un cociente de probabilidad positiva de 38.26. En particular, los cuestionarios clínicos estandarizados y asistidos por IA, como el GERD Questionnaire (GERQ) y el Questionnaire for the Diagnosis of Reflux Disease (QUID), han demostrado una alta precisión para la predicción de ERGE. Estos hallazgos sugieren que la IA puede constituir una herramienta valiosa para la identificación precisa de pacientes con ERGE, incluso en etapas tempranas y en entornos de atención ambulatoria4.

En el campo de la endoscopia y la ERGE, la IA ha demostrado un rendimiento comparable al de endoscopistas expertos en la detección de lesiones precancerosas y malignas. La IA se ha utilizado específicamente para identificar neoplasia de Barrett, carcinoma de células escamosas y alteraciones en las asas capilares intrapapilares, unas estructuras vasculares de la mucosa esofágica cuyo patrón puede indicar la presencia de neoplasia. Los modelos de IA han mostrado métricas de desempeño destacadas. Para la detección de neoplasia de Barrett, el AUROC fue de 0.90, con una sensibilidad del 89% y una especificidad del 86%. En el caso del carcinoma escamoso, el AUROC alcanzó 0.97, con una sensibilidad del 95% y una especificidad del 92%. Para la identificación de alteraciones en las asas capilares intrapapilares, la IA presentó un AUROC de 0.98, evidenciando una alta precisión diagnóstica3. Los modelos específicos, como GERD-VGGNet (Gastroesophageal Reflux Disease – Visual Geometry Group Network) y GerdNet (Gastroesophageal Reflux Disease Network), han logrado precisiones superiores al 90% en la clasificación de la ERGE según los criterios de Los Angeles, que categorizan el daño esofágico de grado A a grado D según los hallazgos endoscópicos. Por otra parte, técnicas avanzadas como StyleGAN2-ADA (Style Generative Adversarial Network 2 – Adaptive Data Augmentation), un modelo generativo de imágenes que permite aumentar el volumen de datos sintéticos para entrenamiento, y ResNet (Residual Network), una red neuronal profunda que facilita el aprendizaje de características complejas mediante conexiones residuales, han mejorado la precisión diagnóstica mediante la generación de imágenes aumentadas y la aplicación de mecanismos de atención dinámica en el análisis de imágenes endoscópicas2.

Otra de las nuevas tecnologías diagnósticas emergentes es la impedancia mucosa directa, la cual consiste en la medición de la resistencia eléctrica de la mucosa esofágica mediante electrodos aplicados directamente durante la endoscopia. Esta técnica permite una evaluación local y precisa de la integridad epitelial, detectando alteraciones tempranas en la permeabilidad de la mucosa que podrían no ser evidentes mediante métodos convencionales como la endoscopia estándar o la biopsia. Sus principales ventajas son que es mínimamente invasiva, proporciona información en tiempo real y permite correlacionar de manera directa los hallazgos estructurales con la evaluación funcional del epitelio esofágico. Los estudios han demostrado que esta técnica puede diferenciar con alta precisión entre pacientes con ERGE, pacientes con esofagitis eosinofílica y controles sanos, ofreciendo un enfoque más dinámico y localizado en comparación con la medición de impedancia basal mediante catéteres convencionales4.

Existe una discrepancia significativa entre las prevalencias de esófago de Barrett diagnosticado por endoscopía (7.8%) y por histología (1.3%). Las biopsias aleatorias, realizadas siguiendo el protocolo de Seattle, presentan limitaciones debido a su complejidad técnica y a la tolerancia del paciente. En un estudio, el modelo de IA EfficientNetV2B2 (EfficientNet neural network, version 2, size B2), una red neuronal convolucional profunda diseñada para clasificación de imágenes, fue entrenado con imágenes endoscópicas de esófago de Barrett. Este modelo pertenece a la familia EfficientNet, que optimiza la eficiencia y la precisión mediante un escalado balanceado de la profundidad, el ancho y la resolución de la red. La versión V2 mejora la velocidad de entrenamiento y la precisión respecto a la versión original, y el tamaño B2 indica un modelo intermedio en complejidad y capacidad de representación, equilibrando precisión y eficiencia computacional. EfficientNetV2B2 logró predecir correctamente imágenes de esófago de Barrett confirmadas histológicamente, alcanzando una precisión del 94.37%, una sensibilidad del 94.29% y una especificidad del 94.44%5.

Estos hallazgos sugieren que las características visuales del esófago de Barrett observadas mediante endoscopía son representativas del esófago de Barrett histológico. El modelo demostró una alta precisión en la detección de esófago de Barrett histológico utilizando imágenes endoscópicas con NBI (narrow band imaging), una técnica que mejora la visualización de los patrones vasculares y de la mucosa esofágica.

Otras evidencias con IA

Se han publicado diversos estudios en contextos clínicos relacionados con la ERGE. Uno de ellos desarrolló un modelo para predecir la aparición de ERGE de novo tras una gastrectomía en manga, con el objetivo de apoyar la toma de decisiones clínicas y quirúrgicas. El estudio incluyó 441 pacientes con obesidad grave sometidos a gastrectomía en manga y se aplicaron algoritmos de aprendizaje automático para entrenar y validar modelos predictivos. El modelo de ensamble fue el más preciso, alcanzando un AUROC de 0.93, con sensibilidad del 79.2% y especificidad del 86.1%. Los principales predictores de ERGE posoperatoria fueron la edad > 42 años, el peso > 140.1 kg, el índice de masa corporal > 52.1 kg/m², el tamaño del tubo orogástrico < 38 Fr y la distancia de la transección gástrica al píloro < 3 cm. Además, el modelo identificó factores modificables, como el tamaño del tubo y la distancia al píloro, que podrían ajustarse intraoperatoriamente para reducir el riesgo de ERGE posoperatoria6.

Estos hallazgos refuerzan la evidencia de que la IA puede ser una herramienta valiosa en la detección y el diagnóstico de patologías esofágicas, complementando la experiencia clínica y endoscópica para mejorar los resultados diagnósticos en gastroenterología. La IA tiene el potencial de mejorar la precisión diagnóstica de la ERGE, apoyar a los clínicos en la toma de decisiones y contribuir a un manejo más efectivo y personalizado de los pacientes. Sin embargo, su integración efectiva requiere superar barreras técnicas, regulatorias y educativas.

Dispositivos para la monitorización de síntomas y enfermedad por reflujo gastroesofágico nocturno

El diagnóstico y la caracterización del reflujo nocturno representan un reto clínico, ya que los episodios durante el sueño suelen ser prolongados, menos sintomáticos y con mayor riesgo de complicaciones esofágicas y extraesofágicas. Diversos dispositivos de monitorización han permitido avanzar en su identificación y correlación con los síntomas.

La pH-metría esofágica ambulatoria de 24 horas continúa siendo la técnica estándar para cuantificar la exposición ácida, especialmente útil en decúbito supino. No obstante, su limitación para detectar reflujo no ácido ha impulsado el uso de la pH-impedancia multicanal (pH-IIM), que permite caracterizar episodios ácidos, débilmente ácidos y no ácidos, así como su extensión proximal. Otras herramientas derivadas, como la impedancia media basal nocturna (IMBN), han demostrado un alto valor discriminativo entre ERGE y trastornos funcionales, consolidándose como un biomarcador fisiopatológico relevante7.

La cápsula Bravo® es un sistema de pH-metría inalámbrica que se adhiere temporalmente a la mucosa esofágica y permite el registro continuo de la acidez durante 48 a 96 horas. Este método ofrece ventajas en términos de tolerancia del paciente, al evitar el catéter nasal, y proporciona un registro prolongado que refleja la vida cotidiana y los hábitos del paciente. Sin embargo, su costo más elevado y su disponibilidad limitada constituyen las principales limitaciones para su uso8.

El monitoreo orofaríngeo permite detectar episodios de reflujo laringofaríngeo mediante sensores ubicados en la faringe y la cavidad oral. Este método es especialmente útil en pacientes con síntomas atípicos, como tos crónica, laringitis o disfonía, que pueden no correlacionarse con el reflujo ácido distal. Aunque aporta información específica sobre el reflujo proximal, su interpretación requiere experiencia y estandarización de los criterios diagnósticos9.

En el ámbito de la investigación, la integración de polisomnografía con pH-impedancia ha permitido correlacionar el reflujo con las fases del sueño y con microdespertares. De manera paralela, los diarios electrónicos de síntomas y las aplicaciones móviles se han convertido en herramientas útiles para una correlación temporal más precisa, con mejor adherencia que el formato en papel. Finalmente, los dispositivos portátiles, capaces de registrar la posición corporal, la respiración y la calidad de sueño, se encuentran en desarrollo como posibles complementos en la monitorización remota, aunque aún carecen de validación clínica formal10.

En conjunto, los avances en monitorización apuntan hacia un enfoque cada vez más integral y personalizado, en el que la pH-IIM y la IMBN siguen siendo el eje diagnóstico, mientras que las tecnologías inalámbricas y digitales emergentes prometen ampliar la caracterización de la ERGE por reflujo nocturno en escenarios clínicos y de investigación. La elección del método de monitorización depende de los síntomas del paciente, la tolerancia a los dispositivos y la necesidad de evaluar reflujo proximal o no ácido.

Biomarcadores para predecir la respuesta al tratamiento

Los biomarcadores son características biológicas que pueden medirse de manera objetiva y se utilizan como indicadores de procesos fisiológicos, condiciones patológicas o respuestas a intervenciones terapéuticas. Su papel en la medicina de precisión es fundamental, ya que permiten un diagnóstico más temprano, un seguimiento más detallado de la enfermedad y una personalización del tratamiento11.

En la ERGE se han identificado diversos biomarcadores que complementan las evaluaciones clínicas y endoscópicas tradicionales, proporcionando información sobre inflamación, integridad de la mucosa y riesgo de progresión a lesiones precancerosas como el esófago de Barrett y el adenocarcinoma esofágico. Entre ellos destacan:

  • –Pepsina en saliva: esta enzima digestiva puede detectarse mediante pruebas como Peptest o ELISA (enzyme-linked immunosorbent assay), mediante un método no invasivo, de fácil recolección y bien tolerado. Sin embargo, su sensibilidad (50-85%) y su especificidad (60-100%) varían entre los estudios, limitando su uso como prueba única en la práctica clínica12.
  • –Biomarcadores séricos: moléculas como el factor de necrosis tumoral alfa, el péptido C, la fractalquina, proteína-10 inducida por interferón gamma (IP-10)
  • y el antígeno de carcinoma escamoso (SCCA-IgM), se han asociado con ERGE y lesiones precancerosas como el esófago de Barrett, reflejando la actividad inflamatoria y el riesgo de progresión hacia adenocarcinoma12.
  • –Aliento exhalado: la detección de compuestos sulfurados volátiles y ácido acético permite evaluar cambios en el pH del revestimiento de las vías respiratorias, con un desempeño diagnóstico reportado de AUROC 0.805, demostrando su utilidad como método no invasivo de monitoreo12.
  • –Microbioma oral: su caracterización, incluyendo bacterias como Lautropia, Streptococcus y Bacteroidetes, ha mostrado un gran potencial para diferenciar pacientes con esófago de Barrett de controles sanos, con un AUROC de 0.94, lo que sugiere su utilidad como herramienta de cribado12.
  • –Micro-RNA (miR-203): obtenido de células exfoliadas de la lengua, este micro-RNA ha mostrado una sensibilidad y una especificidad superiores al 87%, consolidándose como un biomarcador molecular no invasivo prometedor para la detección de esófago de Barrett y de alteraciones esofágicas asociadas a ERGE13.
  • –Aniones salivales (bicarbonato): los niveles elevados de bicarbonato podrían reflejar mecanismos compensatorios alcalinos en los pacientes con ERGE, aportando información sobre la respuesta adaptativa de la mucosa esofágica al reflujo ácido13.
  • –Integridad de la mucosa esofágica: evaluada según la dilatación de los espacios intercelulares, indica un aumento de la permeabilidad epitelial, observable tanto en la ERGE erosiva como en la no erosiva (ERNE). Este marcador es parcialmente reversible con inhibidores de la bomba de protones (IBP), aunque de forma menos marcada en la ERNE 13.
  • –Proteínas de unión celular: las uniones estrechas (claudinas, ocludinas, ZO-1 [zonula occludens 1]), los desmosomas y los fragmentos de E-cadherina reflejan alteraciones estructurales en la mucosa y podrían constituir biomarcadores séricos complementarios13.
  • –Marcadores inmunohistoquímicos: proteínas como PAR-2, TRPV1 y PGP 9.5 se han asociado con inflamación y sensibilidad visceral, facilitando la diferenciación entre ERNE y pirosis funcional, además de predecir la respuesta al tratamiento farmacológico13.
  • –Impedancia basal: la medición de la resistencia eléctrica de la mucosa esofágica permite evaluar la integridad epitelial, con valores bajos correlacionados con mayor exposición ácida y compromiso mucoso. La impedancia basal se ha asociado con respuesta al tratamiento y puede aplicarse también en manifestaciones extraesofágicas de la ERGE, como tos crónica o dolor torácico no cardiaco13.

A pesar de la diversidad de biomarcadores, actualmente no existe ninguno que por sí solo sea capaz de abarcar toda la heterogeneidad clínica de la ERGE. Sin embargo, la evaluación de la integridad de la mucosa esofágica, según la dilatación de los espacios intercelulares y la impedancia basal, es la estrategia más prometedora, con potencial para optimizar el diagnóstico y el manejo de los pacientes, especialmente en aquellos con ERGE no erosiva o refractaria, favoreciendo un enfoque más preciso y personalizado.

Pruebas diagnósticas

Endoscopia digestiva alta: hallazgos en la ERGE erosiva y no erosiva

La endoscopia digestiva alta constituye la herramienta diagnóstica inicial en los pacientes con sospecha de ERGE, principalmente ante la presencia de síntomas de alarma o refractariedad al tratamiento. Su principal valor radica en la identificación de complicaciones estructurales y en la clasificación de la esofagitis erosiva, mientras que en la ERNE su rendimiento diagnóstico es limitado.

En la ERGE erosiva, el hallazgo endoscópico característico es la presencia de erosiones en la mucosa esofágica distal, cuya gravedad se categoriza mediante la clasificación de Los Angeles, ampliamente validada y utilizada en las guías internacionales. Este sistema estratifica las lesiones desde el grado A (erosiones lineales pequeñas confinadas a los pliegues mucosos) hasta el grado D (úlceras circunferenciales que comprometen más del 75% de la circunferencia esofágica). La progresión de estas lesiones se asocia con mayor riesgo de complicaciones, entre ellas estenosis pépticas, hemorragia digestiva y la aparición de metaplasia intestinal especializada en el contexto del esófago de Barrett. En contraste, la ERNE se define por la presencia de síntomas típicos de reflujo en ausencia de lesiones mucosas visibles en el examen endoscópico. Los estudios prospectivos han demostrado que hasta el 70% de los pacientes con síntomas compatibles con ERGE no presentan erosiones en la endoscopia digestiva alta. En este escenario, la endoscopia adquiere un papel fundamental para excluir diagnósticos diferenciales como esofagitis eosinofílica, enfermedad infecciosa, neoplasias o lesiones estructurales, además de permitir la obtención de biopsias cuando existe sospecha de patología alternativa. Un aspecto relevante es la discrepancia entre los hallazgos endoscópicos y los síntomas clínicos: algunos pacientes con esofagitis leve pueden ser paucisintomáticos, mientras que otros con ERNE pueden presentar síntomas graves y refractarios. Esto refleja la heterogeneidad fisiopatológica de la ERGE y ha impulsado el desarrollo de técnicas complementarias, como la pH-IIM y biomarcadores endoscópicos, incluyendo la evaluación de la impedancia mucosa directa14.

La endoscopia digestiva alta permite una estratificación objetiva de la ERGE erosiva, orienta la detección de complicaciones y descarta diagnósticos alternativos en la ERNE. Sin embargo, su sensibilidad para confirmar la ERGE en ausencia de erosiones es limitada, por lo que debe considerarse como parte de una estrategia diagnóstica integral que combine métodos clínicos, funcionales y, en escenarios seleccionados, técnicas emergentes.

pH-metría esofágica de 24 horas: indicaciones e interpretación

Es la prueba de referencia para la evaluación de la exposición ácida esofágica. Su utilidad radica en cuantificar de manera objetiva la presencia y la duración de los episodios de reflujo ácido, así como en correlacionarlos con la aparición de síntomas, lo que resulta fundamental en los pacientes con sospecha de ERGE.

Según las guías internacionales más recientes, la pH-metría está indicada principalmente en:

  • –Pacientes con síntomas típicos de reflujo (pirosis, regurgitación) en quienes la endoscopia es normal y se requiere confirmación objetiva del diagnóstico.
  • –Evaluación de pacientes con síntomas refractarios a los IBP, especialmente cuando se busca determinar si persiste una exposición ácida patológica.
  • –Correlación entre síntomas atípicos (tos crónica, disfonía, dolor torácico no cardiaco) y episodios de reflujo.
  • –Valoración preoperatoria en candidatos a cirugía antirreflujo o procedimientos endoscópicos, con el fin de documentar una exposición ácida anormal antes de intervenir.

El análisis incluye parámetros estandarizados, como el tiempo de exposición al ácido (TEA), definido como el porcentaje de tiempo con pH < 4. Los valores de referencia aceptados son:

  • –TEA < 4 %: normal, descarta exposición ácida patológica.
  • –TEA entre 4% y 6%: «zona gris» o indeterminada, requiere integración con otros parámetros como el índice de DeMeester, la correlación síntoma-reflujo y, en casos seleccionados, la impedancia basal.
  • –TEA > 6 %: patológico, confirma exposición ácida anormal y diagnóstico de ERGE.

Otros parámetros son el número de episodios de reflujo, la duración del episodio más prolongado y el índice de DeMeester (patológico cuando > 14.72). La correlación entre síntomas y reflujo se establece mediante el índice de síntomas (IS) y la probabilidad de asociación sintomática, lo que aumenta la especificidad diagnóstica. Cabe destacar que la pH-metría convencional solo detecta episodios de reflujo ácido, lo cual limita su rendimiento en pacientes en tratamiento con IBP o que presentan reflujo débilmente ácido o no ácido. En este escenario, la pH-MII amplía la caracterización de los episodios y aporta biomarcadores adicionales, como la impedancia basal media nocturna15.

La pH-metría esofágica de 24 horas sigue siendo una herramienta fundamental para confirmar objetivamente la ERGE, estratificar los pacientes refractarios y seleccionar los candidatos a cirugía antirreflujo. La interpretación basada en valores de corte del TEA (< 4 %, 4-6 % y > 6 %) y en la correlación clínica permite un diagnóstico más preciso y un abordaje terapéutico personalizado.

Impedanciometría: papel en el estudio de los pacientes con ERGE

La impedanciometría esofágica, combinada con la pH-MII, se ha consolidado como una herramienta fundamental para la evaluación integral de la ERGE. A diferencia de la pH-metría convencional, que únicamente cuantifica la exposición ácida, la impedancia permite detectar y caracterizar el reflujo con independencia de su pH, incluyendo episodios ácidos, débilmente ácidos y no ácidos. Además, determina la dirección (anterógrada o retrógrada), la altura de ascenso del bolo y su composición (líquido, gaseoso o mixto), lo que otorga una visión fisiopatológica más completa.

Las principales situaciones en las que la impedanciometría aporta un valor agregado son:

  • –Evaluación de pacientes con síntomas persistentes a

Bibliografía

1. Tanvir F, Nijjar GS, Aulakh SK, Kaur Y, Singh S, Singh K, et al. Gastroesophageal reflux disease:new insights and treatment approaches. Cureus. 2024;16:67654.

2. Kommuru S, Adekunle F, Niño S, Arefin S, Thalvayapati SP, Kuriakose D, et al. Role of artificial intelligence in the diagnosis of gastroesophageal reflux disease. Cureus. 2024;16:62206.

3. Visaggi P, Barberio B, Gregori D, Azzolina D, Martinato M, Hassan C, et al. Systematic review with meta-analysis:artificial intelligence in the diagnosis of oesophageal diseases. Aliment Pharmacol Ther. 2022;55:528-40.

4. Visaggi P, de Bortoli N, Barberio B, Savarino V, Oleas R, Rosi EM, et al. Artificial intelligence in the diagnosis of upper gastrointestinal diseases. J Clin Gastroenterol. 2022;56:23-35.

5. Tsai MC, Yen HH, Tsai HY, Huang YK, Luo YS, Kornelius E, et al. Artificial intelligence system for the detection of Barrett's esophagus. World J Gastroenterol. 2023;29:6198-207.

6. Emile SH, Ghareeb W, Elfeki H, El Sorogy M, Fouad A, Elrefai M. Development and validation of an artificial intelligence-based model to predict gastroesophageal reflux disease after sleeve gastrectomy. Obes Surg. 2022;32:2537-47.

7. Wong MW, Rogers BD, Liu MX, Lei WY, Liu TT, Yi CH, et al. Application of artificial intelligence in measuring novel pH-impedance metrics for optimal diagnosis of GERD. Diagnostics (Basel). 2023;13:960.

8. Lawenko RMA, Lee YY. Evaluation of gastroesophageal reflux disease using the Bravo pH monitoring system. J Neurogastroenterol Motil. 2016; 22:559-66.

9. Horvath L, Hagmann P, Burri E, Kraft M. Evaluation of oropharyngeal pH-monitoring in the diagnosis of laryngopharyngeal reflux. J Clin Med. 2021;10:2409.

10. Schuitenmaker JM, Kuipers T, Schijven MP, Smout AJPM, Fockens P, Bredenoord AJ. The effect of sleep positional therapy on nocturnal gastroesophageal reflux measured by esophageal pH-impedance monitoring. Neurogastroenterol Motil. 2023;35:14614.

11. Clínica Universidad de Navarra. Biomarcador:definición médica. Diccionario Médico CUN. 2023. Disponible en:https://www.cun.es/diccionario-medico/terminos/biomarcador.

12. Farooqi MS, Podury S, Crowley G, Javed U, Li Y, Liu M, et al. Noninvasive, multiomic, and multicompartmental biomarkers of reflux disease:a systematic review. Gastro Hep Adv. 2023;2:608-20.

13. Kia L, Pandolfino JE, Kahrilas PJ. Biomarkers of reflux disease. Clin Gastroenterol Hepatol. 2016;14:790-7.

14. Gyawali CP, Kahrilas PJ, Savarino E, Zerbib F, Mion F, Smout AJ, et al. Modern diagnosis of GERD:The Lyon Consensus. Gut. 2018;67:1351-62.

15. Katz PO, Dunbar KB, Schnoll-Sussman FH, Greer KB, Yadlapati RH, Spechler SJ. ACG Clinical guideline for the diagnosis and management of gastroesophageal reflux disease. Am J Gastroenterol. 2022; 117:27-56.

16. Frazzoni M, Savarino E, de Bortoli N, Martinucci I, Furnari M, Frazzoni L, et al. Analyses of the post-reflux swallow-induced peristaltic wave index and nocturnal baseline impedance parameters increase the diagnostic yield of impedance-pH monitoring of patients with reflux disease. Clin Gastroenterol Hepatol. 2016;14:47-54.

17. Savojardo D, Ribolsi M, CantùP, Bravi I, Penagini R, Nicodème F, et al. A new comprehensive functional score for gastroesophageal reflux disease diagnosis:The Milan Score. Neurogastroenterol Motil. 2020;32:14005.

18. Gyawali CP, Kahrilas PJ, Savarino E, Zerbib F, Mion F, Smout AJPM, et al. Modern diagnosis of GERD:the Lyon Consensus. Gut. 2018; 67:1351-62.

19. Yadlapati R, Weissbrod P, Walsh E, Carroll TL, Chan WW, Gartner-Schmidt J, et al. The San Diego Consensus for laryngopharyngeal symptoms and laryngopharyngeal reflux disease. Am J Gastroenterol. 2025 Apr 8:10.14309/ajg.0000000000003482. doi:10.14309/ajg.0000000000003482. Online ahead of print.

20. Cheng J, Ouwehand AC. Gastroesophageal reflux disease and probiotics:a systematic review. Nutrients. 2020;12:132.

21. Urita Y, Goto M, Watanabe T, Matsuzaki M, Gomi A, Kano M, et al. Continuous consumption of fermented milk containing Bifidobacterium bifidum YIT 10347 improves gastrointestinal and psychological symptoms in healthy adults with abdominal discomfort. Benef Microbes. 2018;9:575-84.

22. Nakae H, Tsuda A, Matsuoka T, Mine T, Koga Y. Effects of yogurt containing Lactobacillus gasseri OLL2716 on gastric emptying and gastrointestinal symptoms:a randomized controlled trial. J Clin Biochem Nutr. 2021;69:74-80.

23. Bernard JN, Chinnaiyan V, Almeda J, Catala-Valentin A, Andl CD. Lactobacillus sp. the repair of DNA damage caused by bile-induced reactive oxygen species in experimental models of gastroesophageal reflux disease. Antioxidants (Basel). 2023;12:1314.

24. Liu W, Xie Y, Li Y, Zheng L, Xiao Q, Zhou X, et al. Protocol of a randomized, double-blind, placebo-controlled study of the effect of probiotics on the gut microbiome of patients with gastro-oesophageal reflux disease treated with rabeprazole. BMC Gastroenterol. 2022;22:255-60.

25. Panahi Y, Khedmat H, Valizadegan G, Mohtashami R, Sahebkar A. Efficacy and safety of Aloe vera syrup for the treatment of gastroesophageal reflux disease:a pilot randomized positive-controlled trial. J Tradit Chin Med. 2015;35:632-6.

26. Srivastava JK, Shankar E, Gupta S. Chamomile:a herbal medicine of the past with bright future. Mol Med Rep. 2010;3:895-901.

27. Komolafe K, Komolafe TR, Crown OO, Ajiboye B, Noubissi F, Ogungbe IV, et al. Natural products in the management of gastroesophageal reflux disease:mechanisms, efficacy, and future directions. Nutrients. 2025;17:1069.

28. Nikkhah Bodagh M, Maleki I, Hekmatdoost A. Ginger in gastrointestinal disorders:a systematic review of clinical trials. Food Sci Nutr. 2018;7:96-108.

29. Oude Nijhuis RAB, Kuipers T, Oors JM, Herregods TVK, Kessing BF, Schuitenmaker JM, et al. The effect of STW5 (Iberogast) on reflux symptoms in patients with concurrent dyspeptic symptoms:a double-blind randomized placebo-controlled crossover trial. J Neurogastroenterol Motil. 2024;30:54-63.

30. Woo JY, Pikov V, Chen JDZ. Neuromodulation for gastroesophageal reflux disease. J Transl Gastroenterol. 2023;1:47-56.

31. Niu S, Zhang T, Li W, Wen S, Dong L, Wang S, et al. Positive effect of deep diaphragmatic breathing training on gastroesophageal reflux disease. Respir Res. 2024;25:1-10.