公開日：

最終更新日：

Author：

Affiliation：

⇒ PubMedで読む[PMID：40459276]

【背景】

髄膜腫のうちWHOグレード2と3は併せて髄膜腫全体の約20%を占める（文献1，2）．手術前に髄膜腫のWHOグレードを正確に予測することができれば治療戦略，手術戦略に有用である．エアフルト大学脳外科は，自験の髄膜腫手術症例463例（91例がグレード2/3）を開発コホートとし，グレード2/3髄膜腫と人口統計学的因子ならびにMRI所見との関係を求めた．男性，腫瘍周囲浮腫，嚢胞，円蓋部，体積 ≥40 cm³，壊死の6因子がグレード2/3髄膜腫と有意に相関した（p <.05）．男性，周囲浮腫，嚢胞に1ポイントを，円蓋部，体積 ≥40 cm³，壊死に2ポイントを付与し，総計0-9ポイントのスコアリングを行った．

【結論】

ROC解析では，このスコアリングはAUC 0.791の精度でグレード2/3髄膜腫を診断した．Youden指数を基にカットオフを3以上とした時の診断能は，感度76.9%，特異度64.8%，陽性適中率34.8%，陰性適中率92%であった．
このカットオフ値による診断能は，検証コホートの211例（45例がグレード2/3）では，感度86%，特異度60.7%，陽性適中率35.9%，陰性適中率95.2%であった．
このカットオフ値による診断能は，DNAメチル化を解析したコホートの18例（6例がグレード2/3）では，感度75%，特異度83.3%，陽性適中率35.9%，陰性適中率62.5%であった．

【評価】

頭蓋内髄膜腫の約2割は，異型性髄膜腫（グレード2）または退形成性髄膜腫（グレード3）に分類される（文献1，2）．グレード2/3は再発率の上昇，再発までの期間短縮，術後補助療法の必要性，全生存期間の短縮と関連することが示されている．再発率は，グレード2で約50%，グレード3で50～94%と報告されている．したがって，術前にグレード2/3髄膜腫であることが予測できれば，摘出手術の適応，タイミング，手術目標の設定，手術方法の選択にとって極めて有用である．従来，高齢，男性，腫瘍内壊死像，腫瘍周囲浮腫，大きな腫瘍体積，不整な腫瘍形状，腫瘍辺縁の不整，低いADC値，不均質な造影効果などがグレード2/3と相関することが報告されている（文献2-6）．本研究では男性，腫瘍周囲浮腫，嚢胞，円蓋部，体積 ≥40 cm³，腫瘍内壊死像がグレード2/3と相関していたが，年齢，腫瘍辺縁の不整，造影パターンとの相関は認められなたっか．著者らはこれら6個の相関因子に1あるいは2ポイントを付与して，MEN-CCVolスコア（Male，Edema，Necrosis，Convexity，Cyst，Volume）（1-9ポイント）を作成した．彼らは，このスコアリングシステムはグレード2/3髄膜腫を識別するための実用的なツールであり，患者へのインフォームドコンセント，手術のタイミングの判断，術式選択において有用であると結論している．
術前の複数の画像所見を基にしたグレード2/3髄膜腫予測のためのスコアリング・システムは既に報告されている．Leeらは，石灰化，T1強調像での信号強度，造影効果，腫瘍周囲浮腫，および腫瘍体積を用いたスコアリング・システムを開発した（文献7）．Funariらは，腫瘍体積 ≥36 cm³（2点），辺縁不整（2点），腫瘍周囲浮腫（1点）を基にした0-5点のスコアリング・システムを開発している．Funariらによれば，グレード2の髄膜腫の可能性は，スコア0で0%，スコア1で25%，スコア2で38.5%，スコア3で65.4%，スコア4以上では83.3%であった．カットオフをスコア3以上とした場合，感度は0.80，精度0.76，AUCは0.82であった（文献8）．
一方，近年の機械学習および人工知能の進歩により，深層学習モデルを臨床情報と統合することで，髄膜腫のWHOグレードの予測精度はさらに向上する可能性がある．Yangらは，造影MRIからの深層学習による自動セグメンテーションを用いて，髄膜腫のWHOグレード予測における感度0.89，特異度0.92，精度0.90，陽性適中率0.88，陰性適中率0.93という成績を報告している（文献9）．Chenらによれば，やはり深層学習モデルによる髄膜腫のWHOグレードの予測において，感度91.2%，特異度89.5%，正確度90.4%，陽性適中率88.7%，陰性適中率90.8%の結果が得られている（文献10）．これらのAIを用いたWHOグレードの予測精度が事実であるとすればまさしく驚異的ではあるが，深層学習モデルによるWHOグレード予測には高精細な画像自動解析装置が必要であり，臨床現場への導入にはもう少し時間がかかりそうである．
それまでの間は，患者の性あるいは通常のMRIの読影所見から得られる情報を基にした本稿のMEN-CCVolスコアリング，あるいはLeeら，Funariらのスコアリングを用いる必要性がある．臨床現場からの希望としては，同一の大規模患者集団を対象に，これらのスコアリング・システムを適用して，どのスコアリング・システムが最も使いやすく，かつ精度が高いのかを比較検討した研究が欲しいところである．

執筆者：　

関連文献

• 1) Ostrom QT, et al. CBTRUS Statistical Report: Primary Brain and Other Central Nervous System Tumors Diagnosed in the United States in 2011-2015. Neuro Oncol. 20(suppl 4): iv1–iv86, 2018
• 2) Watanabe Y, et al. Preoperative histological grading of meningiomas using apparent diffusion coefficient at 3T MRI. Eur J Radiol. 82(4): 658–663, 2013
• 3) Spille DC, et al. Prediction of high-grade histology and recurrence in meningiomas using routine preoperative magnetic resonance imaging: a systematic review. World Neurosurg. 128: 174–181, 2019
• 4) Kawahara Y, et al. Prediction of high-grade meningioma by preoperative MRI assessment. J Neurooncol. 108(1): 147–152, 2012
• 5) Spille DC, et al. Predicting the risk of postoperative recurrence and high-grade histology in patients with intracranial meningiomas using routine preoperative MRI. Neurosurg Rev. 44(2):1109-1117, 2021
• 6) Popadic B, et al. The meningioma surface factor: a novel approach to quantify shape irregularity on preoperative imaging and its correlation with WHO grade. J Neurosurg. 136(6):1535-1541, 2021
• 7) Lee EJ, et al. A novel weighted scoring system for estimating the risk of rapid growth in untreated intracranial meningiomas. J Neurosurg. 127(5):971-980, 2017
• 8) Funari A, et al. Imaging score for differentiation of meningioma grade. Neuroradiology. 65(3):453-462, 2023
• 9) Yang L, et al. Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features. BMC Med Imaging. 24(1):5, 2024
• 10) Chen J, et al. Predicting meningioma grades and pathologic marker expression via deep learning. Eur Radiol. 34(5):2997-3008, 2024

参考サマリー

• 1) WHOグレード2髄膜腫に対するアジュバント放射線治療はどのような症例に有効か：マサチューセッツ総合・ブリガム病院における429例
• 2) グレード3髄膜腫に対しては手術後早期のアップフロント照射が有用：北米・欧の103例
• 3) グレード3髄膜腫と将来悪性転化するグレード1髄膜腫における神経炎症関連遺伝子発現の特徴：コペンハーゲン大学の51例
• 4) WHOグレード2髄膜腫全摘後はアップフロント放射線照射か再発確認後放射線照射か：傾向スコアマッチングによる解析
• 5) 造影MRIにおける髄膜腫表面のデコボコを数値化すればグレード2～3が予測出来る：サーフェイスファクター（SF）の提案
• 6) 髄膜腫におけるTERT変異はWHOグレードとは独立した予後不良因子である
• 7) 髄膜腫の7個の分子亜型と再発の関係：469例の検討
• 8) 髄膜腫3,016例の遺伝子変異パターンと臨床像：AIに臨床データを読ませて遺伝子変異が予測出来る?
• 9) 明細胞髄膜腫（Clear cell meningioma）の予後は他のWHOグレードII髄膜腫よりも悪い
• 10) 骨肥厚を伴う髄膜腫は骨肥厚のない髄膜腫とどう違うのか：ベイラー医科大学181例の解析