La terapia estándar para el linfoma difuso de células B grandes (LDCBG), conocida como R-CHOP es ineficaz en aproximadamente un tercio de los pacientes. La identificación temprana de estos pacientes es fundamental para evaluar tratamientos alternativos. En un estudio retrospectivo, investigamos el valor predictivo de las imágenes 18XNUMXF-FDG PET/CT. Se incluyeron parámetros radiómicos y convencionales de PET, junto con datos clínicos y genómicos. Estos parámetros fueron evaluados de manera individual y combinada para predecir la respuesta completa al tratamiento de primera línea en pacientes recién diagnosticados con LDCBG.

Todas las lesiones visibles previas al tratamiento fueron segmentadas completamente para evaluar la carga tumoral. A partir de estas, se extrajeron diversas características de imagen. Se desarrollaron modelos predictivos de respuesta al tratamiento utilizando regresión logística multivariante, basados en características clínicas y de imagen, o en una combinación de estas con datos genómicos. Para la selección de características de imagen, se utilizó o una selección manual o un análisis discriminante lineal (ADL), para reducir la dimensionalidad. El rendimiento de los modelos se evaluó usando matrices de confusión y métricas específicas. Se incluyeron treinta y tres pacientes, con una edad media de 58 años (rango: 49-69 años); 23 (70%) consiguieron una respuesta completa a largo plazo.

La combinación de características extraídas de las imágenes 18F-FDG PET/CT(GLSZM_GrayLevelVariance, esfericidad y GLCM_Correlation), junto con variables clínicas y datos genómicos, predijo exitosamente la respuesta completa al tratamiento de primera línea en pacientes con LDCBG. La amplificación de BCL6 fue el marcador genético más predictivo. El modelo combinado, que incluía datos radiómicos y clínicos e incorporaba datos genómicos, fue construido utilizando ADL mostrando un AUC de 0.904 y una exactitud balanceada del 90%. Comparativamente, el modelo que combinaba solo datos clínicos con características radiómicas obtuvo un AUC de 0.891 y una exactitud balanceada del 80.7%.