本研究分析了合成电子健康记录（EHR）在医疗中的应用，评估了大型语言模型（LLM）生成合成数据的能力与局限性。结果表明，LLM在处理小特征子集时表现良好，但随着数据维度增加，其保持现实分布和相关性的能力下降，限制了在不同医院的适用性。

本文综述了合成电子健康记录（EHR）数据生成方法的现状，并提供实践者建议。研究表明，GAN方法在数据真实性和实用性方面表现优异，而基于规则的方法在隐私保护上更具优势。此外，提供的Python工具包"SynthEHRella"有助于不同方法的评估与选择。