本发明提供了一种治疗方案推荐系统的模型优化方法及系统，包括：对每一个待推荐治疗方案的病例，选定用于计算的属性，确定相应的机器学习算法以及优化算法，初始化所选定属性的属性权重；计算每一个历史病例的复杂程度；对训练集中的每个历史病例，基于当前属性权重，使用机器学习算法计算当前属性权重的结果，并对其中错误的结果进行类别划分；根据历史病例的复杂程度及对应的类别划分计算优化算法的目标函数，将目标函数代入机器学习算法中优化属性权重；循环进行权重结果计算划分以及目标函数计算至收敛，得到最优的属性权重。本发明能够充分使用医生决策结果来度量病例的复杂程度以优化推荐结果，同时能充分考虑不同错误类型对结果的影响。