Il linfoma diffuso a grandi cellule B (DLBCL) è il più frequente tra i linfomi non-Hodgkin e si distingue nei sottotipi germinal center B-cell-like (GCB), caratterizzato da un profilo di espressione genica tipico delle cellule B del centro germinativo, e activated B-cell-like (ABC), con un profilo simile a quello delle cellule B post-germinative o attivate. Il sottotipo ABC presenta una prognosi peggiore, con una sopravvivenza globale a cinque anni del 45% rispetto all’80% del sottotipo GCB. Poiché esistono terapie specifiche in grado di migliorare la prognosi del sottotipo ABC, la classificazione del DLBCL risulta fondamentale. Questa tesi ha come obiettivo lo sviluppo di due classificatori basati su machine learning per la distinzione dei sottotipi ABC e GCB a partire da immagini istologiche digitalizzate: uno allenato con label ottenute tramite il metodo immunoistochimico di Hans e uno con label ottenute mediante NanoString.