synthea

一键生成百万级合成病人数据，告别隐私合规烦恼

Synthea 是一个开源的合成患者群体模拟器，用 Java 编写，能够生成大规模、真实感强的合成电子健康记录（EHR）数据。它解决了医疗数据隐私与可用性之间的矛盾，为研究人员和开发者提供无需真实患者信息即可进行算法训练、系统测试和学术研究的数据源。其核心能力包括基于临床指南的疾病模拟、人口统计学建模、FHIR 标准输出，以及支持自定义模块扩展。通过模拟个体从出生到死亡的完整健康轨迹，Synthea 能生成包含诊断、用药、手术、过敏史等丰富字段的数据集，并支持多种格式（如 FHIR、CSV）导出。项目由 MITRE 团队维护，社区活跃，广泛应用于医疗 AI 模型训练、医疗信息系统互操作性测试等领域。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3357

维护状态维护中

是否开源是

定价模式 free

项目数据

分类数据集

开发团队synthetichealth

所属国家

官网地址https://synthetichealth.github.io/synthea

GitHubhttps://github.com/synthetichealth/synthea

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Java

技术栈/模型fhir,health-data,simulation,synthea,synthetic-data,synthetic-population

GitHub 星标★ 3357

30天Star增速

HF 下载量

上线时间2016-06-17 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数10

使用教程

难度：入门约 10 分钟部署方式：本地安装 4 步

环境要求

Java JDK 17 或更新版本（强烈建议使用 LTS 版本 17 或 25）
Git 命令行工具
可访问 GitHub 的网络（用于克隆仓库与下载依赖）

安装与启动步骤

1检查 Java 版本

Synthea 要求 JDK 17 或更新版本，优先用 LTS 17 或 25，非 LTS 新版本可能出问题。
```
java -version
```
2克隆代码仓库

从 GitHub 拉取 Synthea 源码到本地，并进入项目目录。
```
git clone https://github.com/synthetichealth/synthea.git
cd synthea
```
3构建并运行测试

用仓库自带的 Gradle Wrapper 编译项目并执行测试套件，首次运行需下载依赖，耗时较长。
```
./gradlew build check test
```
4查看运行说明

该 README 只讲开发者构建流程；若只想生成数据，请按官方 wiki 的 Basic Setup and Running 操作。

关键配置

配置项	必填	说明	示例
`exporter.fhir.bulk_data`	否	设为 true 时以 ndjson 格式输出 Bulk FHIR 数据	`true`
`exporter.ccda.export`	否	设为 true 时额外导出 C-CDA 格式数据	`true`
`exporter.csv.export`	否	设为 true 时额外导出 CSV 格式数据	`true`

如何确认成功

执行 ./gradlew build check test 后输出 BUILD SUCCESSFUL，且测试全部通过、无失败用例。

常见问题

Q：Java 版本报错或编译失败怎么办？

A：确认 java -version 为 JDK 17 或更新版本，并尽量换成 LTS 的 17 或 25，非 LTS 的新版本可能出现兼容问题。

Q：我只想生成数据，不想改代码，怎么跑？

A：README 建议直接看官方 wiki 的 Basic Setup and Running 页面，那里是面向普通使用者的运行说明；本仓库的 Quick Start 面向开发者。

Q：怎么得到 CSV 或 C-CDA 格式的数据？

A：在配置中将 exporter.csv.export 或 exporter.ccda.export 设为 true；需要 ndjson 的 Bulk FHIR 则把 exporter.fhir.bulk_data 设为 true。

Q：需要自己单独安装 Gradle 吗？

A：不需要，仓库自带 Gradle Wrapper，直接用 ./gradlew 命令即可。

注意事项

Synthea 默认使用马萨诸塞州普查数据作为人口统计基线，如需其他地区需自行配置。
生成的合成数据虽非真实患者，但在用于研究或对外发布前仍建议确认合规要求。
README 节选未给出运行生成器的具体命令，实际运行方式请以官方 wiki 为准。

核心亮点

基于真实临床指南模拟疾病进展，数据可信度高
输出标准 FHIR 格式，无缝对接主流医疗 IT 系统
支持自定义模块，灵活扩展模拟场景和疾病类型

不足之处

文档/社区待观察
生成大规模数据时性能消耗较大，需较高计算资源

适用场景

医疗 AI 模型训练与验证，如疾病预测、影像分析
医疗信息系统开发与测试，如 EHR 互操作性、HL7 FHIR 接口调试
医学教育与科研，用于生成教学案例或流行病学研究模拟数据

替代项目

MDClone、Synthetic Data Vault (SDV)、PatientGen

项目介绍

synthea 是数据集领域的开源项目，由 synthetichealth 开发，2016 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,357）位列前 30%，在数据集分类的 279 个项目里位列前 11%。

近 42 天，它的 GitHub 星标从 3,297 增加到 3,357，净增 60。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。Apache-2.0许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：医疗AI模型训练与验证，如疾病预测、影像分析。同类可对比的替代方案包括 MDClone、Synthetic Data Vault (SDV)、PatientGen。

上一篇：distilabel

下一篇：greenmask