L’accident vasculaire cérébral (AVC) ischémique est l’une des premières causes de morbidité dans le monde. Le devenir des patients après l’événement est variable, allant de la résolution complète à la persistance d’un handicap sévère. Dans la phase aiguë, l’identification du tissu nécrotique est essentielle pour choisir la meilleure thérapie de reperfusion. Déterminer le statut fonctionnel à long terme précocement permet une approche individualisée et une allocation optimale des ressources afin d’améliorer la récupération clinique. Dans ce travail, nous avons développé des modèles d’intelligence artificielle pour améliorer la prédiction i) du devenir tissulaire radiologique en phase aiguë de l’AVC ischémique et ii) du statut fonctionnel à long terme. Nous avons conçu des méthodes permettant d’intégrer le risque d’infarcissement par hypoperfusion et les informations du tissu entourant l’infarctus. Puis, nous avons combiné toutes les données récoltées lors de l’hospitalisation pour permettre une prédiction personnalisée et en temps réel du pronostic.