NearestDoctor — AI 医疗助手：开源范本还是学术遗产？

想象这样一个场景：一位突感不适的患者，深夜无法就医，她打开一个网页应用，用自然语言描述自己的症状——AI 聊天机器人立即判断可能是哪类疾病，推荐最合适的专科医生，同时显示附近3公里内评分最高的那位。一键预约、Face ID 登录、医生资质经过 OCR 身份证核验、就诊记录以区块链存证。这不是科幻小说，而是 2022 年由突尼斯 5 名工程专业学生构建的开源项目 NearestDoctor 的核心能力。

图1：NearestDoctor 项目 Logo，展示 AI 医疗助手品牌标识

---

起源：一场学术竞赛催生的医疗 AI 构想

NearestDoctor 并非来自科技巨头的实验室，也不是某个创业公司的内部项目。它的诞生背景值得玩味——2022 年，突尼斯 Esprit 工程学院 5 名学生组成的 AlphaCoders 团队，在毕业设计框架下完成了这个项目。指导老师 Ameni Rommene 女士引导他们关注了一个真实的痛点：非洲及中东地区医疗资源分布极度不均，许多患者即便有了互联网，也不知道该找哪个科室、哪位医生。

团队花了数月做竞品分析、可行性研究和技术选型。技术方案最终确定为 MERN 架构（MongoDB + Express + React + Node.js），外加 Python/Flask 承载 AI 推理服务，Ethereum 智能合约处理病历存证。2022 年底，该项目从数十个参评项目中脱颖而出，入选了第九届 Esprit 工程学院年度最佳工程项目评选。

然而，故事并未就此完结。2026 年，项目创始人 Ahlem Laajili 以 NearestDoctor 为原型，创办了一家商业化公司，将整套方案用 Next.js + FastAPI + 云原生基础设施重写，代码闭源运营。GitHub 上这份仓库如今被标注为「V1 学术原型」，成为理解其完整演进历程的珍贵快照。

---

架构拆解：四个微服务如何协同工作

理解 NearestDoctor 的技术架构，需要把握它的四层服务分离设计：

图2：NearestDoctor 技术架构图，展示 React 前端、Node/Express API、Flask AI 微服务与 MongoDB 的交互关系

1. React 前端（端口 3000）

前端采用 React 18，搭配 Tailwind CSS 做样式管理，使用 ApexCharts 渲染医疗数据可视化图表。值得注意的技术选型包括：

• @tensorflow/tfjs — 浏览器端加载预训练人脸识别模型，直接在客户端完成 Face ID 身份验证，无需将人脸图片上传服务器
• @react-google-maps/api — 集成 Google Maps API，实现基于地理位置的医生搜索与距离计算
• @alan-ai/alan-sdk-web — 集成 ALAN AI 语音助手，用户可以用语音指令完成导航操作
• @stripe/react-stripe-js — 支付模块，患者购买服务或医生订阅套餐均通过 Stripe 处理

2. Node/Express 后端 API（端口 5000）

服务端采用经典的 Express + MongoDB 架构，核心依赖包括 JWT 做身份认证、Mongoose 作为 ODM 层。服务端本身不承担 AI 计算，主要职责是：用户认证与授权（JWT + LinkedIn OAuth）、预约管理、博客文章管理、调用 Flask AI 微服务获取推理结果、区块链交互（病历写入与读取）。

3. Python/Flask AI 微服务

这是整个项目最「硬核」的部分，承载了 4 个独立的 AI 推理模块：

模块	技术	功能说明
症状检测	Dialogflow	自然语言理解，将患者症状文本映射为疾病预测和科室推荐
人脸识别	TensorFlow 预训练模型	支持 Face ID 登录，在浏览器端用 tfjs 运行
X 光胸片诊断	TensorFlow 预训练模型	输入 chest X-ray，输出 COVID-19、肺结核、肺炎三分类预测
身份证 OCR	Nanonets AI API	医生注册时上传身份证，自动提取并核验身份信息

这些 AI 服务以独立 Flask 进程运行，通过 HTTP REST API 与 Node/Express 后端通信。这种微服务化的设计让 AI 模块可以独立迭代、不影响主业务。

4. 区块链存证服务

区块链层是 NearestDoctor 最具创新性也最具争议的设计。医疗记录以 Ethereum 智能合约形式存储，每次新增就诊记录生成一个不可篡改的交易区块。需要指出的是，项目采用的是本地或测试网络的 Ethereum 节点，实际生产环境中区块链gas费用和性能都是需要权衡的问题。

---

核心功能逐项解析

对患者：完整的就诊闭环

图3：患者端角色选择界面，进入 AI 医疗体验

患者使用路径高度流畅：选择角色登录（LinkedIn OAuth、账号密码或 Face ID 三种方式）、症状对话（Dialogflow 聊天机器人接收自然语言描述，实时返回疾病预测和科室建议）、附近医生搜索（基于 Google Maps 显示附近专科医生，支持按评分、距离排序）、一键预约（聊天流程内直接完成预约，无需跳出）、心理健康自测（引导式问卷，评估心理健康状态并推送相关科普文章）、病历查看（区块链存证的完整就诊历史，患者掌控授权）。

对医生：专业工作台

图4：医生端 Face ID 登录，用 TensorFlow.js 在浏览器完成身份核验

医生注册流程极为严格：身份证 OCR 验证（Nanonets API 自动提取姓名、照片、证件号，与本人现场拍摄照片比对）、订阅套餐购买（通过 Stripe 完成支付，不同套餐对应不同功能权限）、就诊管理（查看当日预约、X 光胸片诊断、博客发布）、病历授权访问（患者主动授权后，医生可读取链上病历）。

图5：医生注册时的身份证 OCR 验证流程，保障医疗平台身份真实性

---

AI 技术深度：哪些是噱头，哪些是真功夫

NearestDoctor 的 AI 模块需要分开评估——有些是扎实的工程实现，有些则是较为初级的演示性质。

真正硬核的部分

X 光胸片诊断是项目中最具技术含量的模块。模型基于 TensorFlow，预训练后直接用于 COVID-19、肺结核、肺炎三分类。输入是标准 DICOM 格式胸片，输出是概率分布。对于学术项目而言，这是一个完整且可运行的医学影像 AI 推理流程。

Dialogflow 症状分类的实现也相对完整。NearestDoctor 将 Dialogflow ES 封装为一个 Flask 微服务，前端通过 Express API 调用，返回科室推荐和疾病置信度。

Face ID 则利用了 @tensorflow/tfjs 在浏览器端运行预训练人脸模型的优势，避免了图片上传服务器的隐私风险，也降低了服务器计算负担。

偏演示性质的部分

区块链病历存证在学术层面有意义，但在实际医疗合规场景中存在问题。项目实际采用的是本地/测试网络，更接近概念验证。心理健康自测和Paramedical E-Shop 推荐在 README 中描述较为简略，代码规模和功能深度可能与主要模块存在落差。

---

部署体验：没有 Docker 的多服务协调之痛

对于希望本地运行 NearestDoctor 的开发者而言，最大挑战在于缺乏容器化支持。

项目由 4 个独立组件构成：React 前端（Node 18+）、Node/Express 后端（Node 16+）、Flask AI 微服务（Python 3.8+）、Blockchain 节点服务（Node 3001 端口）。没有 Dockerfile，没有 docker-compose，所有依赖需要手动安装。

README 已在多处标注库版本已过时（React 无 Vite、Express 存在废弃依赖、Flask AI 服务需要版本锁定），在 2026 年的开发环境中直接运行很可能遇到兼容性问题。

---

近况：从开源原型到商业化产品

2026 年初，创始人 Ahlem Laajili 宣布：该项目 V1 代码（React/Express/Node）继续开源，但整个平台已从零重写为闭源商业产品（Next.js + FastAPI + 云原生基础设施）。

这一决定折射了 AI 医疗创业领域的一个普遍困境：开源代码有助于建立社区信任和技术影响力，但核心算法和商业逻辑往往需要通过闭源来保护知识产权。NearestDoctor 的 V1 原型作为教育资源和学术贡献仍有价值，但其背后的商业化路径已与这份开源仓库无关。

---

总结：谁应该关注这个项目？

维度	评分	说明
技术完整性	⭐⭐⭐⭐	四层微服务架构完整，AI 推理链路清晰
代码质量	⭐⭐⭐	代码可运行，但版本较旧，缺乏现代工程实践
文档质量	⭐⭐⭐⭐	README 详尽，包含架构图、截图、团队介绍
部署友好度	⭐⭐	无容器化，多服务手动协调，门槛较高
学术价值	⭐⭐⭐⭐	入选年度最佳工程项目，功能覆盖面广
商业价值	⭐⭐	V2 已闭源，V1 为过时学术原型

NearestDoctor 的核心价值在于它是一个真实的、端到端的 AI 医疗应用原型——从症状对话、科室推荐、人脸识别、到区块链病历存证，覆盖了数字医疗的主要场景。对于 AI 开发者而言，它可以作为医疗 AI 系统的参考架构；对于爱好者而言，它是了解 AI + 医疗交叉领域的良好起点。