Predicción de supervivencia, neurotoxicidad y respuesta en pacientes con linfoma difuso de células B grandes tratados con terapia CAR-T utilizando un modelo basado en características de imagen médica 

Los pacientes con linfoma difuso de células B grandes que han sufrido una recaída después de dos líneas de tratamiento son candidatos para la terapia con células T de receptor de antígeno quimérico (CAR-T). Esta terapia ha mostrado un éxito notable, con tasas de remisión completa que oscilan entre el 40% y el 54%.  

Sin embargo, a pesar de estos avances, una proporción significativa de pacientes también recae después del tratamiento con CAR-T. Además en puede provocar efectos secundarios graves, como el síndrome de neurotoxicidad asociado a células efectoras inmunes (ICANS, del inglés). Los predictores clínicos tradicionales han demostrado ser insuficientes para predecir con precisión los resultados en los pacientes, lo que subraya la necesidad de identificar biomarcadores no invasivos que permitan una mejor estratificación y manejo de los pacientes.

En este estudio retrospectivo y multicéntrico, Quibim desarrolló modelos pronósticos y predictivos avanzados basados en imágenes médicas, utilizando regresión logística y modelos de riesgos proporcionales de Cox. El objetivo era predecir la respuesta a la terapia CAR-T a los 3 y 6 meses, la supervivencia global, la supervivencia libre de progresión y la aparición de ICANS.

Se incluyeron sesenta y cinco pacientes con linfoma difuso de células B grandes en recaída o refractario (R/R) tratados con terapia CAR-T. Se segmentaron todas las lesiones visibles en las imágenes [18F]FDG PET/CT adquiridas previas al tratamiento con CAR-T, y se extrajeron características cuantitativas de imagen utilizando la plataforma QP-Insights®. Estas características se combinaron con variables clínicas relevantes para desarrollar los modelos pronósticos y predictivos.

Los modelos combinados mostraron una mejora significativa en la precisión de las predicciones, comparado con el uso exclusivo de datos clínicos o de imagen. Por ejemplo, el modelo para predecir ICANS alcanzó un área bajo la curva (AUC) de 0.830, y los modelos para la respuesta a CAR-T a los 3 y 6 meses mostraron un AUC de 0.754 and 0.818, respectivamente. Además, se identificaron unos valores de corte del volumen tumoral metabólico total identificados (MTVtotal) que permitieron estratificar eficazmente a los pacientes según su supervivencia global y supervivencia libre de progresión, asociándose un MTVtotal bajo con tiempos de supervivencia más largos.

Estos modelos multi-ómicos representan una herramienta prometedora para la estratificación del riesgo y la personalización del tratamiento, con el potencial de mejorar los resultados en pacientes con R/R con linfoma difuso de células B grandes tratados con CAR-T. Asimismo, abordan otras necesidades no cubiertas en el diseño de ensayos clínicos para la terapia CAR-T, donde la predicción de efectos secundarios podría optimizar el proceso de selección de los pacientes candidatos a estas terapias.

Referencias

Ferrer-Lores, B., Ortiz-Algarra, A., Picó-Peris, A. et al. Predicción de supervivencia, neurotoxicidad y respuesta en pacientes con linfoma de células B tratados con terapia CAR-T utilizando un modelo basado en características de imágenes. Res. EJNMMI 14, 113 (2024). 

DOI https://doi.org/10.1186/s13550-024-01172-9