树形多目标DRG优化框架

分组优且合规

用非负自适应LASSO回归和树结构多目标优化，在满足分组规则的前提下同时最大化组内同质性和组间异质性，生成可直接用于医保付费的Pareto最优DRG集合。

Zhimei, Zeng · Wan, Mengjie · Liu, Ning · Wang, Yang · 牛奔

npj Digital Medicine 2025

技术优势

量化临床复杂性更准

用非负自适应LASSO回归给病例复杂度定量打分，权重非负且可解释，为分组提供客观依据。

生成解满足所有规则

多约束优化模型明确定义分组硬性约束，算法求解后得到的分组不违反任何规则。

同时优化两个目标

组内同质性和组间异质性不再顾此失彼，框架直接产生Pareto最优解集。

应用场景

• 医保支付改革：提供可直接用于支付标准制定的合规DRG集合。
• 医院管理：帮助医院基于DRG进行成本核算和绩效评价。
• 卫生政策：为政策制定者提供反映临床复杂性的分组范式。