Synthea 是一个开源的合成患者数据生成器，能够模拟从出生到死亡的完整电子健康记录，生成高度逼真但不涉及真实患者隐私的医疗数据，常用于医疗系统测试、AI 训练和公共卫生研究。
项目简介
Synthea 由 MITRE Corporation 旗下的 Synthetic Health 团队开发，采用 Apache License 2.0 开源协议，基于 Java 实现。 它不是电子病历系统，而是一个"患者模拟器"——通过模块化的疾病模型和人口统计学规则，生成符合临床逻辑的合成健康记录。美国卫生信息技术协调办公室（ONC）还曾发起挑战赛，鼓励社区增强 Synthea 的能力。
核心能力
| 能力 | 说明 |
|---|---|
| 全生命周期模拟 | 从出生到死亡，包含就诊、诊断、用药、手术、疫苗接种等完整病程 |
| 模块化疾病模型 | 内置糖尿病、哮喘、心血管病、代谢综合征、COVID-19 等多种疾病模块 |
| 多格式导出 | 支持 HL7 FHIR（R4/STU3/DSTU2）、C-CDA、CSV、JSON 等格式 |
| 可定制参数 | 可指定人口规模、年龄范围、性别、地理区域、随机种子等 |
| 隐私安全 | 合成数据与真实患者无映射关系，规避 HIPAA/GDPR 合规风险 |
| 可扩展 | 支持自定义疾病模块和人口模型 |
技术架构
- 语言：Java（需要 JDK 11+）
- 构建：Gradle
- 疾病建模：基于 JSON 定义的模块化状态机引擎，模拟疾病触发、状态转移和干预响应
- 数据标准：严格遵循 HL7 FHIR 标准，生成 Patient、Condition、Encounter、Observation、MedicationRequest 等资源
- 部署：命令行工具，支持本地运行和批量生成
典型使用场景
- 医疗软件测试：为 EHR/HIS 系统提供测试数据，避免使用真实患者数据的风险。
- AI/ML 模型训练：提供大规模标注数据，支持疾病预测、临床 NLP 等模型开发。
- 公共卫生研究：模拟疾病传播、政策干预效果（如疫苗接种计划）。
- 教育与培训：帮助学生理解临床决策流程。
- 互操作性测试：生成标准 FHIR 数据，验证系统间的接口兼容性。
优势
- 开源免费，社区活跃，MITRE 背书。
- 数据符合临床逻辑，具备时间维度和因果一致性。
- 原生支持 FHIR 标准，可直接导入 HAPI FHIR 等服务器。
- 隐私安全，合成数据不涉及真实患者。
- 模块化设计，易于扩展自定义疾病模型。
局限
- 默认人口模型基于美国数据，其他地区需要适配。
- 不包含医学影像数据。
- 合成数据不能替代真实数据用于临床决策验证。
- 大规模生成时数据量较大，需要足够的磁盘空间。
