แม้ว่าโมเดล Machine Learning จะมีความแม่นยำสูงในการทำนายผลลัพธ์ของผู้ป่วยโรคหลอดเลือดสมองตีบเฉียบพลันภายใน 90 วัน แต่การนำไปใช้จริงในคลินิกยังทำได้ยากเนื่องจากวิธีการที่โมเดลอธิบายเหตุผลมักไม่สอดคล้องกับแนวคิดของแพทย์
งานวิจัยนี้จึงทดลองเปลี่ยนการใช้ตัวแปรแบบตัวเลขต่อเนื่อง (Continuous Predictors) มาเป็นการจัดกลุ่มตามเกณฑ์มาตรฐานทางการแพทย์ (Guideline-Based Categorisation) ผลการศึกษาพบว่าโมเดลที่ใช้ค่าแบบหมวดหมู่ให้ประสิทธิภาพที่ใกล้เคียงกับโมเดลแบบเดิมในหลายกลุ่มผู้ป่วย และยังรักษาระดับความสำคัญของปัจจัยการพยากรณ์โรค (Prognostic Factors) ไว้ได้ ซึ่งเป็นแนวทางสำคัญในการสร้าง AI ทางการแพทย์ที่แพทย์เชื่อถือและใช้งานได้จริง
