徐州医科大学附属医院李胜利团队在《中国病案》2025年第26卷第4期发表论文《基于随机森林的放疗科DRG精细化管理研究》，该研究运用随机森林算法构建放疗科DRG预测模型，模型预测精准度达85%，可助力医院DRG管理从被动转向主动，为放疗科DRG精细化管控提供技术支撑。
当前我国DRG支付改革持续推进，传统DRG管理需待患者出院、病案编码完成后才能确定分组，医院与医师在诊疗过程中无法提前知晓分组与费用额度，管理与控费均处于被动状态。为破解这一难题，李胜利团队以徐州市某三甲医院2021—2023年放疗科14642例住院病案数据为研究对象，基于随机森林算法构建DRG分组预测模型。
研究选取性别、年龄、主要诊断、主要手术等16项特征变量，以DRG分组为结局变量，经数据预处理、模型构建与超参数优化，确定最优模型参数。结果显示，该模型总体预测精准度为85%，加权平均F1值达0.88，预测性能稳定。其中对RG15、RC19、QS33组预测效果最优，F1分数分别为1、0.99、0.91;对RV15、RW19、RU13组预测效果良好，F1分数均超0.84。
特征重要性分析表明，**主要诊断与主要手术**是影响DRG分组的核心因素，年龄、医疗小组、入院诊断次之;入院情况、婚姻状况、入院途径、是否危重对模型贡献极小，可在后续建模中剔除以提升效率。研究同时发现，因放疗科单独化疗病例较少，RE13组样本量不足，导致该组预测效果欠佳。
团队指出，该随机森林模型可在患者诊疗阶段提前预判DRG分组与可支配医疗资源，帮助医师合理规划诊疗方案，规范医疗行为、控制住院费用与住院时长。未来将模型嵌入临床决策支持系统，可实现DRG分组实时预测，推动放疗科DRG管理向精细化、主动化转型，为公立医院DRG支付改革落地提供可复制的技术方案与实践经验。
