En ny undersøgelse fra arXiv viser, at AI-modeller til forudsigelse af 90-dages udfald efter akut iskæmisk slagtilfælde kan bruge klinisk guideline-baserede kategoriseringer i stedet for kontinuerte variable uden at miste præcision i de fleste behandlingsgrupper. Dette adresserer en central barriere for klinisk adoption: at modeloutput og forklaringer ofte ikke matcher klinikernes ræsonnement. Forskerne sammenlignede standard gradient-boostede modeller med fuldt kategoriserede versioner, der anvender behandlingsspecifikke tærskler fra kliniske retningslinjer, på et multi-center europæisk register. Resultaterne, beskrevet i det fulde paper, viser, at de kategoriserede modeller er statistisk uadskillelige fra de kontinuerte i to af tre behandlingskohorter, med et signifikant fald i præcision i én kohorte. Vigtigst er, at rangeringen af globale feature-vigtigheder forbliver konsistent, hvilket indikerer, at diskretisering bevarer den hierarkiske struktur af prognostiske faktorer. For beslutningstagere i sundhedssektoren betyder dette, at AI-modeller kan designes til at være mere fortolkelige og klinisk acceptable uden at gå på kompromis med ydeevnen — et skridt mod bredere integration i kliniske arbejdsgange. Det er dog værd at bemærke, at der er en kohorte, hvor præcisionen falder, hvilket understreger behovet for behandlingsspecifik validering.