El gemelo digital en la atención médica es la representación digital dinámica de la anatomía y fisiología del paciente a través de modelos computacionales que se actualizan continuamente a partir de datos clínicos. Además, utilizado en combinación con tecnologías de aprendizaje automático, debería ayudar a los médicos en el camino terapéutico y en procedimientos de intervención mínimamente invasivos. La confidencialidad de los registros médicos es un tema muy delicado, por lo tanto, algún proceso de anonimización es obligatorio para mantener la privacidad de los pacientes. Además, la disponibilidad de datos es muy limitada en algunos dominios de la salud como el tratamiento del cáncer de pulmón. Por lo tanto, la generación de datos sintéticos conformados a datos reales resolvería este problema. En este documento, se introduce el uso de redes generativas adversarias (GAN) para la generación de datos sintéticos de pacientes con cáncer de pulmón como una herramienta para resolver este problema en forma de pacientes sintéticos anonimizados. Los pacientes sintéticos generados son validados tanto mediante métodos estadísticos como por oncólogos utilizando la tasa de mortalidad indirecta obtenida para pacientes en diferentes etapas.