Objetivos: Las escalas prehospitalarias para identificar ictus agudo con oclusión de gran vaso (OGV) han demostrado poca especificidad para la sensibilidad requerida. Nuestro objetivo es desarrollar una nueva herramienta clínica basada en inteligencia artificial (IA) para mejorar la precisión diagnóstica.

Material y métodos: Se ha utilizado el registro prospectivo de activación de Código Ictus de Cataluña (CICAT). El diagnóstico definitivo se clasificó en OGV, hemorragia y otros (isquémico sin oclusión, AIT y mimic). Se construyeron diferentes algoritmos de IA utilizando la escala RACE y añadiendo otras variables clínicas a nivel prehospitario (RACE-Plus). La muestra fue dividida en datasets para fase de desarrollo (70%) y validación (30%). Se comparó el rendimiento de siete algoritmos con el uso de regresión lógica clásica, comparando el área bajo la curva (ABC) para predecir OGV de los algoritmos contra la escala RACE. Se calculó la sensibilidad, especificidad, VPP y VPN para cada categoría diagnóstica.

Resultados: Se incluyeron 731 pacientes. El método Random Forest demostró la mayor ABC (0,68 vs. 0,59) y precisión (57,7 vs. 49,2%). RACE-Plus consiguió alta sensibilidad para el diagnóstico de OGV con baja especificidad (S 0,88 y E 0,18). Por el contrario, mostró alta especificidad para el diagnóstico de hemorragia (E 98%) y otros diagnósticos (E 99%). Se está desarrollando una calculadora web (App RACE-plus), para predecir el subtipo de ictus.

Conclusión: RACE-Plus es una herramienta que mejora el rendimiento predictivo de las escalas existentes, permitiendo identificar OGV y descartar otros diagnósticos. Más estudios son necesarios para mejorar el rendimiento de una clasificación que agrupe otros diagnósticos.