目的 乙肝相关慢加急性肝衰竭（HBV-ACLF）临床病历数据普遍存在样本量小、类别不平衡等问 题，而大部分机器学习模型是基于平衡数据设计的，缺乏可解释性。本研究旨在基于中医辨证论治理论，提 出一种临床可解释、准确率高的 HBV-ACLF 中医诊断模型。方法 本研究收集了 261 例 HBV-ACLF 患者的病 例，包括阳黄证（214 例）、阳阴黄证（41 例）和阴黄证（6 例）三种证型。为了避免机器学习模型过拟 合，排除了阴黄病例。经过数据标准化和清洗，获得阳黄证和阳阴黄证相关的 255 份病历。针对类别不平衡 问题，采用过采样方法和五种机器学习方法，包括逻辑回归（LR）、支持向量机（SVM）、决策树 （DT）、随机森林（RF）和极端梯度提升（XGBoost），构建了证型诊断模型。本研究以精度、F1 得分、 受试者工作特征曲线下面积（AUC）和准确率作为模型评价指标。选择分类结果最好的模型提取诊断规则， 并深入分析其临床意义。此外，我们提出了一种新颖的多轮稳定规则提取（MRSRE）方法，以获得可以展 示模型临床可解释性的稳定特征规则集。结果 利用过采样平衡数据构建的五种机器学习模型精度都超过了 0.90，其中 RF 证型分类准确率为 0.92，阳黄及阳阴黄两类别的 F1 均值分别为 0.93 和 0.94，AUC 值为 0.98。基于 MRSRE 方法的 RF 辨证模型提取规则显示，阳黄及阳阴黄的共同特征是脉弦，身目尿黄，舌体 正常，舌下脉络正常，恶心和厌油纳差。 阳黄的主要特点是舌质红、舌下脉络增粗，阳阴黄的主要特点是 舌质暗、淡白、苔白、无力、脉滑、舌质淡红、舌苔腻和腹胀，该结果与中医专家依据中医辨证论治理论相 一致。结论 本研究构建的模型可用于区分 HBV-ACLF 证型，还可用于生成其他临床可解释的模型，这些模 型对样本量小且类别不平衡的临床数据具有较高的准确性。