临床医生和模型开发人员需要了解所提出的机器学习 (ML) 模型如何改善患者护理。事实上，没有一个指标能够涵盖模型的所有理想属性，通常会报告多个指标来总结模型的性能。不幸的是，许多临床医生并不容易理解这些指标。此外，客观地比较不同研究中的模型具有挑战性，并且没有工具可以使用相同的性能指标来比较模型。本文研究了之前在胃肠病学领域进行的 ML 研究，解释了不同指标在所呈现研究背景下的含义，并详细解释了应如何解释不同的指标。我们还发布了一个基于 Web 的开源工具，可用于帮助计算本文中提出的最相关指标，以便其他研究人员和临床医生可以轻松地将它们纳入他们的研究中。