Objetivos: Evaluar la eficacia del sistema de inteligencia artificial Stroke Risk Analysis (SRA) para detectar fibrilación auricular (FA) y estimar el riesgo de FA oculta en pacientes con ictus criptogénico.

Material y métodos: Estudio unicéntrico, cuasiexperimental, de pacientes con ictus criptogénico, dividiéndose en grupo control (octubre 2020-marzo 2021) con detección clásica de FA; y grupo experimental (septiembre 2021-febrero 2022) con SRA; recogiéndose diagnóstico de FA durante el ingreso y detección de alto riesgo de FA. Se realizó estadística descriptiva, análisis de variables asociadas a FA y modelo de regresión logística para detectar predictores independientes de FA.

Resultados: Se incluyeron 197 pacientes: 99 en el grupo control y 98 SRA; este sistema se asoció a aumento de detección de FA en 18 pacientes (18,3%) frente a 8 (8,08%) en el grupo control (p = 0,033). SRA detectó elevado riesgo de FA en 22 pacientes (22,4%) y riesgo bajo en 58 (59,2%). En el modelo de regresión logística SRA fue predictor independiente de FA [OR: 2,719 (IC95%: 1,052-7,027), p = 0,039]. Se observó asociación entre detección de FA y edad (p < 0,001), cardiopatía previa (p = 0,035), NIHSS basal (p = 0,002) y 24 horas (p = 0,044), oclusión intracraneal (p = 0,002), neurointervencionismo (p = 0,004) y dilatación auricular (p = 0,015).

Conclusión: La utilización del sistema SRA aumenta casi 3 veces la probabilidad de detección intrahospitalaria de FA en pacientes con ictus isquémico de etiología indeterminada, permitiendo acortar el tiempo de inicio de anticoagulación. La detección de alto riesgo de FA, con el resto de las variables asociadas, permiten identificar pacientes en los que centrar posteriores esfuerzos para su detección.