Τα Αγγειακά Εγκεφαλικά Επεισόδια (ΑΕΕ) αποτελούν έναν από τους σημαντικότερους παράγοντες θνητότητας και νοσηρότητας παγκοσμίως, ενώ μεγάλο ποσοστό των ασθενών που καταφέρνει να επιβιώσει, υποφέρει από διαφόρων μορφών ημιπληγίες ή χρόνιες αναπηρίες. Τα κινητικά αυτά προβλήματα προκαλούν μείωση της ανεξαρτησίας των ασθενών, με σοβαρό αντίκτυπο στην ποιότητα ζωής των ιδίων αλλά και των συγγενών τους. Παρόλο που τα τελευταία χρόνια τα ποσοστά θνητότητας έχουν μειωθεί, κυρίως λόγω των σύγχρονων θεραπευτικών πρωτοκόλλων που εφαρμόζονται, η συχνότητα των ΑΕΕ εξακολουθεί να αυξάνει και να επηρεάζει όλο και νεότερες ηλικίες, με σοβαρότατες κοινωνικές και οικονομικές προεκτάσεις. Σημαντικό αντίκτυπο στην πρόληψη και επίπτωση των ΑΕΕ έχει ο ανθρώπινος παράγοντας, που είτε λόγω μειωμένης εμπειρίας του προσωπικού και υποκειμενικότητας της διάγνωσης, είτε εξαιτίας του υψηλού φόρτου εργασίας, υποαξιολογεί και εκτιμά τελικά λανθασμένα την κατάσταση των ασθενών. Προτεινόμενη λύση στο πρόβλημα αυτό, είναι η υιοθέτηση αντικειμενικών εργαλείων πρόγνωσης και διάγνωσης βασιζόμενων σε μοντέλα τεχνητής νοημοσύνης (ΤΝ), που δεν υποπίπτουν σε λάθη απροσεξίας ή ελλιπής εμπειρίας και εν αντιθέσει των κλασικών μεθόδων, είναι ικανά για εξαγωγή προβλέψεων ακριβείας από μεγάλα, αδόμητα σύνολα δεδομένων που περιέχουν πληθώρα μεταβλητών εισόδου αλλά και πιθανούς συνδυασμούς συσχετίσεων. Στόχος της παρούσας ανασκόπησης είναι να εξετάσει τις τελευταίες εξελίξεις της ΤΝ στα ΑΕΕ, επικεντρώνοντας στις πιο πρόσφατες βιβλιογραφικές αναφορές. Τα αποτελέσματα της ανάλυσης αναδεικνύουν την ακρίβεια και τη συνέπεια που έχουν τα μοντέλα ΤΝ να εντοπίζουν ασθενείς υψηλού κινδύνου για ΑΕΕ, με ή χωρίς σχετικές συνοσηρότητες, αλλά και ασθενείς που επιβίωσαν από ΑΕΕ στο παρελθόν και κινδυνεύουν από άλλα νοσήματα κατά την περίοδο της αποκατάστασής τους. Δύναται έτσι να αποτελέσουν αναπόσπαστο εργαλείο συμβουλευτικής ιατρικής, μειώνοντας αισθητά τη συχνότητα και την επίπτωση των ΑΕΕ παγκοσμίως.

Strokes are one of the most important factors of mortality and morbidity worldwide, while a large percentage of patients who manage to survive from stroke suffer from various forms of hemiplegia or chronic disabilities. These disabilities decrease patients' independence, with serious impact on the quality of life of themselves and their relatives. Although the mortality rates have decreased in the last years, mainly due to modern therapeutic protocols applied, the frequency of strokes continues to increase and affects younger people, with serious social and economic consequences. Human factor has a significant impact on the prevention and consequences of strokes, which, due to the reduced experience of the staff and the subjectivity of the diagnosis, or due to the high workload, underestimates and ultimately incorrectly assesses the condition of the patients. A proposed solution to this problem is the adoption of objective prediction and diagnosis tools, based on artificial intelligence (AI) models, which are not subject to errors of carelessness or lack of experience and, in contrast to classical methods, are capable of extracting accurate predictions from large, unstructured datasets containing a multitude of input variables but also possible combinations of correlations. The aim of this review is to examine the latest developments of AI in strokes, focusing on the most recent literature. The results of the analysis highlight the accuracy and consistency of the AI models in identifying patients at high risk for stroke, with or without associated comorbidities, but also post-stroke patients in risk of other clinical conditions during their rehabilitation period. Thus, they can become an integral tool of consulting medicine, significantly reducing the frequency and incidence of strokes worldwide.