Predicción de la expresión de PD-L1 en cáncer gástrico mediante radiómica basado en [18F]FDG PET/TC

Resumen

Objetivo

Evaluar el rendimiento predictivo de modelos de radiómica basados en [¹⁸F]FDG PET/TC para determinar el estado de expresión del ligando de muerte celular programada 1 (PD-L1) en pacientes con cáncer gástrico (CG) no tratados previamente.

Métodos

Este estudio retrospectivo incluyó 170 pacientes con CG sometidos a [¹⁸F]FDG PET/TC preoperatorio. Los pacientes fueron asignados aleatoriamente a una cohorte de entrenamiento (n = 119) y una cohorte de prueba (n = 51). La positividad de PD-L1 se definió como una puntuación positiva combinada (CPS) ≥ 5. Se extrajeron características de radiómica a partir de imágenes PET, TC y PET/TC fusionadas, que se procesaron mediante un flujo de trabajo integral que incluía múltiples métodos de normalización, preprocesamiento y selección de características. Cada flujo de trabajo retuvo 20 características de radiómica, que posteriormente se evaluaron utilizando 10 clasificadores diferentes con subconjuntos de características de tamaño variable (de 1 a 20), con el objetivo de identificar el modelo óptimo. El rendimiento de los modelos se evaluó mediante el área bajo la curva (AUC), la precisión y otras métricas relacionadas, utilizando validación cruzada de cinco pliegues en el conjunto de entrenamiento.

Resultados

El modelo integrado PET/TC mostró el mejor rendimiento en el conjunto de prueba (AUC 0,750; precisión 0,745). El modelo basado en TC presentó un AUC de 0,678 y una precisión de 0,762, mientras que el modelo basado en PET mostró un AUC de 0,653 y una precisión de 0,706. Los tres modelos de radiómica superaron al modelo convencional basado en parámetros metabólicos (AUC 0,578; precisión 0,544). El flujo de trabajo óptimo varió entre las distintas modalidades de imagen.

Conclusión

La radiómica integrada basada en [¹⁸F]FDG PET/TC mostró un mayor potencial para la predicción no invasiva de la expresión de PD-L1 en el adenocarcinoma gástrico en comparación con modelos basados en una única modalidad de imagen o en parámetros metabólicos. Estos resultados apoyan su posible utilidad en la selección de pacientes candidatos a inmunoterapia, si bien se requiere validación adicional.

Abstract

Objective

To evaluate the predictive performance of radiomics models based on 18FFDG PET/CT for determining programmed cell death ligand-1 status in treatment-naïve gastric cancer.

Methods

This retrospective study included 170 gastric cancer patients who underwent preoperative 18F-FDG PET/CT. Patients were randomly assigned to training (n = 119) and testing (n = 51) cohorts. PD-L1 positivity was defined as a combined positive score ≥5. Radiomic features were extracted from PET, CT, and fused PET/CT images and processed through a comprehensive pipeline with multiple methods employed for normalization, preprocessing, and feature selection. Each pipeline retained 20 radiomic features, which were subsequently evaluated with 10 different classifiers using feature subsets ranging from 1 to 20 to identify the optimal radiomics model. Model performance was assessed by AUC, accuracy, and related metrics, with 5-fold crossvalidation on the training set.

Results

The integrated PET/CT model achieved the best performance on the test set (AUC 0.750; accuracy 0.745). The CT-based model yielded a test AUC of 0.678 and accuracy of 0.762, while the PET-based model showed a test AUC of 0.653 and accuracy of 0.706. All three radiomics models outperformed the conventional metabolic-parameter model (AUC 0.578; accuracy 0.544). The optimal predictive pipeline varied across the different imaging modalities.

Conclusion

Integrated 18F-FDG PET/CT radiomics demonstrated superior potential for noninvasive prediction of PD-L1 expression in gastric adenocarcinoma compared with single-modality imaging or metabolic parameters, supporting its potential utility for guiding patient selection for immunotherapy, with further validation warranted.