目的构建基于云端服务器的急性脑梗死后出血性转化（HT）的预测模型。方法收集2020年1月至2023年5月该院住院的620例急性脑梗死患者的临床资料，通过随机分组方式分为开发队列（433例）和验证队列（187例）。同时，根据是否发生HT，将开发队列患者分为HT组（64例）和非HT组（369例）。对不同队列及组别天冬氨酸氨基转移酶/丙氨酸氨基转移酶比值（AAR）、血小板计数（PLT）、中性粒细胞/淋巴细胞比值（NLR）、纤维蛋白原（Fib）、总胆固醇（TC）、甘油三酯（TG）、高密度脂蛋白（HDL）、低密度脂蛋白（LDL）等临床资料进行比较，分析HT的影响因素，构建急性脑梗死后HT的预测模型并进行验证。结果开发队列与验证队列在血糖、清蛋白、AAR、Fib、HDL、LDL、镁水平及梗死面积方面比较，差异有统计学意义（P＜0.1）。HT组和非HT组在年龄、糖尿病史、房颤史、发病时间、NIHSS评分、血糖、AAR、PLT、TC、TG、HDL、LDL、梗死部位、梗死面积、静脉溶栓方面比较，差异有统计学意义（P＜0.1）。Lasso回归分析结果显示，房颤史、梗死面积、NIHSS评分及血糖、HDL水平为发生HT的危险性因素（P＜0.1），而LDL、PLT水平为发生HT的保护性因素（P＜0.1）。内部验证结果显示，模型bootstrap的曲线下面积（AUC）为0.947（95%CI：0.925~0.969），校准良好（Hosmer-Lemeshow检验的P=0.580，Brier评分为0.069）。外部验证结果显示，AUC为0.916（95%CI：0.857~0.975），校准良好（Hosmer-Lemeshow检验的P=0.596，Brier评分为0.076）。结论基于云端服务器的预测模型可以快速、准确地预测急性脑梗死患者发生HT的风险，有助于进行更准确的个体治疗。