机器学习模型已经在预测急性缺血性中风的90天结果方面取得了强大的预测准确性，但由于模型解释与临床医生的推理不符，临床采用受到限制。受一项呼吁使用临床指南对齐的切割值的临床医生用户研究的启发，我们探讨了是否可以在不损害性能的情况下用临床信息的分类编码替换连续预测器。在一个分为三个治疗队列的多中心欧洲注册中心，我们比较了标准和完全分类的梯度提升模型，后者使用了与中风指南对齐的、特定于治疗的阈值。完全分类的模型在两个治疗队列中与其连续对应物在统计学上不可区分，只在一个队列中预测准确性显著下降。全局特征重要性排名保持一致，表明将连续预测器离散化为基于指南的类别可以保留所有治疗组的预后因素的核心层次。因此，基于指南的分类是中风结果模型的可行设计选择。 博主点评： 本研究探讨了将机器学习模型与临床指南对齐的潜力，为提高模型在临床实践中的可解释性和采纳率提供了重要参考。