Update app.py

app.py

@@ -1,5 +1,5 @@
 # ==============================================================================
-# EL DETECTIVE DE ALIMENTOS - EDICIÓN HÍBRIDA DE ALTA DISPONIBILIDAD Y ALTA PRECISIÓN BIOMÉDICA
+# EL DETECTIVE DE ALIMENTOS - EDICIÓN HÍBRIDA CON CORTA-FUEGOS Y ALTA DISPONIBILIDAD
 # Desarrollado por: Jairo Alexander & Diana Milena Soler Martinez
 # Motor: Gemini Flash + FooDB.ca Graph + Fast-Path Local Engine
 # ==============================================================================
@@ -16,6 +16,7 @@ import altair as alt
 from io import BytesIO
 import docx
 import difflib 
+import concurrent.futures
 
 # --- CONFIGURACIÓN DE PÁGINA Y LOGGING ---
 st.set_page_config(page_title="El Detective de Alimentos", page_icon="🍎", layout="wide")
@@ -37,7 +38,7 @@ Este análisis es una herramienta informativa de IA y **NO es un diagnóstico m
 **Si tus síntomas son severos, busca ayuda médica urgente.**
 """
 
-# --- CONFIGURACIÓN DE CLIENTE GEMINI CACHEADO CON TIMEOUT SEGURO ---
+# --- CONFIGURACIÓN DE CLIENTE GEMINI CACHEADO ---
 @st.cache_resource
 def get_gemini_client():
     api_key = os.getenv("GEMINI_API_KEY")
@@ -59,16 +60,15 @@ def get_gemini_client():
         return None
 
     try:
-        # Timeout optimizado a 5000 ms (5s) para evitar congelamientos en la UI
         return genai.Client(
             api_key=api_key,
-            http_options=types.HttpOptions(timeout=5000)
+            http_options=types.HttpOptions(timeout=3000) # 3000 ms timeout de cliente
         )
     except Exception as e:
         logger.warning(f"❌ Error instanciando cliente Gemini: {e}")
         return None
 
-# --- CASCADA DE MODELOS ESTABLES CON BAJA LATENCIA ---
+# --- CORTA-FUEGOS CON TIEMPO LÍMITE ESTRICTO DE 3.5 SEGUNDOS ---
 def generate_content_with_fallback(gemini_client, prompt):
     models_to_try = [
         'gemini-2.5-flash',
@@ -89,7 +89,23 @@ def generate_content_with_fallback(gemini_client, prompt):
             continue
     raise RuntimeError("Ningún modelo de Gemini respondió adecuadamente.")
 
-# --- CARGA ULTRA-RÁPIDA DE DATOS Y FOODB (EN MEMORIA CACHEADA) ---
+def generate_content_with_strict_timeout(gemini_client, prompt, timeout_seconds=3.5):
+    """
+    Ejecuta la llamada a Gemini dentro de un hilo aislado.
+    Si Gemini tarda más de 3.5s, corta la ejecución y activa el motor local.
+    """
+    def _call():
+        return generate_content_with_fallback(gemini_client, prompt)
+
+    with concurrent.futures.ThreadPoolExecutor(max_workers=1) as executor:
+        future = executor.submit(_call)
+        try:
+            return future.result(timeout=timeout_seconds)
+        except concurrent.futures.TimeoutError:
+            logger.warning(f"⏳ Gemini tardó más de {timeout_seconds}s. Se corta la espera y se activa el Motor Local.")
+            raise TimeoutError("Tiempo límite de IA superado.")
+
+# --- CARGA DE DATOS EN MEMORIA ---
 @st.cache_resource
 def load_data():
     try:
@@ -118,7 +134,6 @@ def get_foodb_lower_map(_foodb_index):
 
 foodb_lower_map = get_foodb_lower_map(foodb_index)
 
-# --- CACHÉ GLOBAL DE APRENDIZAJE EN RAM ---
 @st.cache_resource
 def get_global_learned_cache():
     return {}
@@ -126,7 +141,7 @@ def get_global_learned_cache():
 global_learned_cache = get_global_learned_cache()
 
 # ==============================================================================
-# DICCIONARIOS MASTER BIOMÉDICOS Y FOODB.CA (ENRIQUECIDOS)
+# DICCIONARIOS MASTER BIOMÉDICOS
 # ==============================================================================
 
 FOOD_TO_COMPOUND_MAP = {
@@ -142,14 +157,12 @@ FOOD_TO_COMPOUND_MAP = {
     "maíz": ["zeína", "lectinas", "fitatos", "fodmaps"],
     "quinoa": ["saponinas", "oxalatos", "fitatos"],
     "alforfón": ["oxalatos", "fagopirina"],
-    "arroz frito": ["lectinas", "gluten", "soja", "histamina", "fodmaps", "glutamato"],
 
     # LÁCTEOS
     "leche": ["caseína", "lactosa", "fodmaps"],
     "queso": ["tiramina", "histamina", "caseína", "lactosa"],
     "queso fresco": ["caseína", "lactosa"],
     "queso maduro": ["tiramina", "histamina", "caseína"],
-    "queso azul": ["tiramina", "histamina", "caseína", "lactosa"],
     "yogur": ["histamina", "caseína", "lactosa"],
     "mantequilla": ["caseína", "lactosa"],
     "crema de leche": ["caseína", "lactosa"],
@@ -164,17 +177,13 @@ FOOD_TO_COMPOUND_MAP = {
     "empanada": ["gluten", "zeína", "solanina", "lectinas"],
     "arepa": ["zeína", "lectinas", "fitatos"],
     "lechona": ["histamina", "nitritos", "grasas saturadas", "purinas"],
-    "cholado": ["fructosa", "lactosa", "histamina", "azúcar refinado", "salicilatos", "fenoles"],
 
-    # FRUTAS, TROPICALES Y EXÓTICAS
+    # FRUTAS Y TROPICALES
     "noni": ["escopoletina", "fenoles", "salicilatos", "fructosa", "histamina"],
-    "jugo de noni": ["escopoletina", "fenoles", "salicilatos", "fructosa", "histamina"],
     "chontaduro": ["fenoles", "fructosa", "grasas saturadas", "tiramina", "salicilatos"],
-    "jugo de chontaduro": ["fenoles", "fructosa", "grasas saturadas", "tiramina", "salicilatos"],
     "naranja": ["fructosa", "histamina", "salicilatos", "fenoles"],
     "jugo de naranja": ["fructosa", "histamina", "salicilatos", "fenoles"],
     "limón": ["salicilatos", "histamina", "fenoles", "ácido cítrico"],
-    "mandarina": ["fructosa", "histamina", "salicilatos", "fenoles"],
     "manzana": ["fructosa", "sorbitol", "fodmaps", "salicilatos"],
     "pera": ["fructosa", "sorbitol", "fodmaps", "salicilatos"],
     "plátano": ["tiramina", "histamina", "salicilatos", "fenoles"],
@@ -184,93 +193,44 @@ FOOD_TO_COMPOUND_MAP = {
     "mora": ["salicilatos", "oxalatos", "histamina", "taninos"],
     "uva": ["fructosa", "salicilatos", "histamina", "taninos"],
     "piña": ["salicilatos", "histamina", "fructosa"],
-    "papaya": ["salicilatos", "histamina"],
     "mango": ["fructosa", "salicilatos", "histamina"],
-    "kiwi": ["salicilatos", "oxalatos", "histamina"],
-    "durazno": ["fructosa", "sorbitol", "fodmaps", "salicilatos"],
-    "ciruela": ["sorbitol", "fodmaps", "salicilatos", "histamina"],
-    "higo": ["histamina", "fructosa", "salicilatos"],
-    "chirimoya": ["fructosa", "fodmaps", "sorbitol", "taninos"],
-    "guanábana": ["fructosa", "fodmaps", "taninos", "salicilatos"],
     "lulo": ["salicilatos", "fructosa", "ácido cítrico"],
-    "naranjilla": ["salicilatos", "fructosa", "ácido cítrico"],
     "maracuyá": ["fructosa", "histamina", "salicilatos"],
     "maracuya": ["fructosa", "histamina", "salicilatos"],
     "feijoa": ["fructosa", "salicilatos", "taninos"],
-    "granadilla": ["fructosa", "salicilatos"],
-    "curuba": ["fructosa", "salicilatos", "taninos"],
     "tomate de árbol": ["solanina", "histamina", "salicilatos"],
-    "tomate de arbol": ["solanina", "histamina", "salicilatos"],
     "uchuva": ["solanina", "histamina", "salicilatos", "oxalatos"],
-    "guayaba": ["fructosa", "salicilatos", "taninos", "oxalatos"],
-    "pitahaya": ["fructosa", "fodmaps"],
-    "zapote": ["fructosa", "taninos"],
-    "mamoncillo": ["fructosa", "taninos", "salicilatos"],
-    "borojó": ["fenoles", "fructosa", "tiramina"],
-    "borojo": ["fenoles", "fructosa", "tiramina"],
-    "corozo": ["fenoles", "taninos", "fructosa"],
-    "mangostino": ["fenoles", "taninos", "fructosa"],
-
-    # VERDURAS, TUBÉRCULOS Y SOLANÁCEAS
+
+    # VERDURAS Y SOLANÁCEAS
     "tomate": ["histamina", "solanina", "salicilatos", "glutamato"],
-    "salsa de tomate": ["histamina", "solanina", "salicilatos", "glutamato"],
-    "patata": ["solanina", "oxalatos", "lectinas"],
     "papa": ["solanina", "oxalatos", "lectinas"],
+    "patata": ["solanina", "oxalatos", "lectinas"],
     "berenjena": ["solanina", "histamina", "salicilatos"],
     "pimiento": ["capsaicina", "solanina", "salicilatos"],
     "espinaca": ["oxalatos", "nitratos", "histamina"],
-    "espinacas": ["oxalatos", "nitratos", "histamina"],
-    "acelga": ["oxalatos", "nitratos"],
-    "remolacha": ["oxalatos", "nitratos", "fructosa"],
     "cebolla": ["fodmaps", "compuestos azufrados", "salicilatos"],
     "ajo": ["fodmaps", "compuestos azufrados"],
     "brócoli": ["fodmaps", "compuestos azufrados", "salicilatos", "goitrógenos"],
-    "coliflor": ["fodmaps", "sorbitol", "compuestos azufrados", "goitrógenos"],
-    "repollo": ["fodmaps", "compuestos azufrados", "goitrógenos"],
-    "pepino": ["salicilatos"],
-    "calabaza": ["salicilatos", "fodmaps"],
-    "zanahoria": ["salicilatos"],
     "yuca": ["fodmaps", "fitatos"],
     "ñame": ["oxalatos", "fitatos", "fodmaps"],
-    "name": ["oxalatos", "fitatos", "fodmaps"],
-    "arracacha": ["fodmaps", "fitatos"],
-    "malanga": ["oxalatos", "fitatos"],
-    "habichuela": ["fodmaps", "lectinas"],
-    "rábano": ["salicilatos", "goitrógenos"],
-    "apio": ["fodmaps", "salicilatos"],
-    "puerro": ["fodmaps", "compuestos azufrados"],
-    "espárragos": ["fodmaps"],
-
-    # LEGUMBRES (PERFIL BIOQUÍMICO COMPLETO)
+
+    # LEGUMBRES (PERFIL COMPLETO)
     "frijol": ["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas", "oxalatos", "taninos"],
     "frijoles": ["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas", "oxalatos", "taninos"],
     "frijol paisa": ["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas", "oxalatos", "taninos"],
     "lentejas": ["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas", "oxalatos", "taninos"],
     "garbanzos": ["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas", "oxalatos"],
     "arvejas": ["fodmaps", "lectinas", "fitatos", "inhibidores_proteasas"],
-    "arveja": ["fodmaps", "lectinas", "fitatos", "inhibidores_proteasas"],
     "soja": ["soja", "isoflavonas", "lectinas", "fitatos", "fodmaps", "saponinas", "goitrógenos", "inhibidores_proteasas"],
     "tofu": ["soja", "isoflavonas", "lectinas", "fitatos"],
-    "tempeh": ["soja", "isoflavonas"],
     "haba": ["vicina_convicina", "fodmaps", "lectinas", "fitatos", "purinas"],
     "habas": ["vicina_convicina", "fodmaps", "lectinas", "fitatos", "purinas"],
 
-    # FRUTOS SECOS Y SEMILLAS
-    "almendras": ["oxalatos", "salicilatos", "fitatos", "histamina"],
-    "leche de almendras": ["oxalatos", "salicilatos"],
-    "nueces": ["histamina", "oxalatos", "salicilatos", "taninos"],
-    "nuez": ["histamina", "oxalatos", "salicilatos", "taninos"],
-    "maní": ["histamina", "lectinas", "fitatos", "salicilatos", "inhibidores_proteasas"],
-    "cacahuate": ["histamina", "lectinas", "fitatos", "salicilatos", "inhibidores_proteasas"],
-    "marañón": ["oxalatos", "fitatos", "fodmaps"],
-    "frutos secos": ["histamina", "oxalatos", "salicilatos", "fitatos"],
-
     # CARNES, EMBUTIDOS Y BEBIDAS
     "carne de cerdo": ["histamina", "alfa-gal", "grasas saturadas", "purinas"],
     "cerdo": ["histamina", "alfa-gal", "grasas saturadas", "purinas"],
     "chicharrón": ["histamina", "grasas saturadas"],
     "chicharron": ["histamina", "grasas saturadas"],
-    "tocino": ["histamina", "nitritos", "grasas saturadas"],
     "carne de res": ["histamina", "alfa-gal", "purinas"],
     "res": ["histamina", "alfa-gal", "purinas"],
     "café": ["cafeína", "salicilatos", "oxalatos"],
@@ -279,33 +239,22 @@ FOOD_TO_COMPOUND_MAP = {
     "chocolate": ["teobromina", "feniletilamina", "tiramina", "histamina", "oxalatos", "cafeína"],
     "vino": ["histamina", "tiramina", "sulfitos", "taninos", "alcohol"],
     "cerveza": ["gluten", "histamina", "sulfitos", "alcohol", "purinas"],
-    "jamón": ["histamina", "tiramina", "nitritos"],
-    "salchicha": ["histamina", "tiramina", "nitritos", "glutamato"],
     "embutidos": ["histamina", "tiramina", "nitritos", "glutamato"],
     "pescado": ["histamina", "purinas", "albúmina"],
-    "atún": ["histamina", "purinas"],
-    "huevo": ["albúmina"],
-
-    # CONDIMENTOS
-    "pimienta": ["capsaicina", "salicilatos"],
-    "chile": ["capsaicina", "salicilatos", "solanina"],
-    "ají": ["capsaicina", "salicilatos", "solanina"],
-    "salsa de soja": ["glutamato", "histamina", "tiramina", "gluten", "soja"],
-    "vinagre": ["histamina", "sulfitos"]
+    "huevo": ["albúmina"]
 }
 
 FOOD_NAME_TO_FOODB_KEY = {
-    "alforfón": ["buckwheat"], "arroz": ["rice"], "avena": ["oat", "oats", "oatmeal"],
-    "cebada": ["barley"], "queso": ["cheese"], "leche": ["milk"], "yogur": ["yogurt"], "mantequilla": ["butter"],
+    "alforfón": ["buckwheat"], "arroz": ["rice"], "avena": ["oat", "oats"], "cebada": ["barley"],
+    "queso": ["cheese"], "leche": ["milk"], "yogur": ["yogurt"], "mantequilla": ["butter"],
     "vino": ["wine"], "cerveza": ["beer"], "chocolate": ["chocolate", "cocoa"],
     "tomate": ["tomato"], "aguacate": ["avocado"], "plátano": ["banana", "plantain"], "banano": ["banana"],
     "naranja": ["orange"], "pan": ["bread", "wheat"], "trigo": ["wheat"], "café": ["coffee"], "cafe": ["coffee"],
-    "manzana": ["apple"], "pera": ["pear"], "fresa": ["strawberry"], "uva": ["grape"], "piña": ["pineapple"],
+    "manzana": ["apple"], "fresa": ["strawberry"], "uva": ["grape"], "piña": ["pineapple"],
     "papa": ["potato"], "patata": ["potato"], "frijol": ["bean", "beans", "kidney bean", "black bean"],
     "frijoles": ["bean", "beans"], "frijol paisa": ["bean", "pork", "rice"],
-    "lentejas": ["lentil"], "garbanzos": ["chickpea", "garbanzo"], "arveja": ["pea", "peas"],
+    "lentejas": ["lentil"], "garbanzos": ["chickpea", "garbanzo"], "arveja": ["pea"],
     "haba": ["broad bean", "fava bean"], "habas": ["broad bean", "fava bean"],
-    "almendras": ["almond"], "nueces": ["walnut"],
     "bandeja paisa": ["bean", "pork", "rice", "banana", "egg", "avocado"],
     "ajiaco": ["potato", "chicken", "corn", "milk", "cream"],
     "sancocho": ["cassava", "plantain", "potato", "pork", "beef", "chicken"],
@@ -314,52 +263,49 @@ FOOD_NAME_TO_FOODB_KEY = {
 }
 
 STRICT_COMPOUND_TRIGGERS = {
-    "cafeína": ["cafeína", "caffeine", "café", "cafe", "coffee", "espresso"],
+    "cafeína": ["cafeína", "caffeine", "café", "cafe", "coffee"],
     "teobromina": ["teobromina", "theobromine", "cacao", "chocolate"],
-    "solanina": ["solanina", "solanine", "solanáceas", "tomate", "berenjena", "patata", "papa"],
-    "capsaicina": ["capsaicina", "capsaicin", "chile", "ají", "picante", "pimiento"],
-    "gluten": ["gluten", "trigo", "wheat", "cebada", "barley", "centeno"],
-    "caseína": ["caseína", "casein", "casomorfina", "queso", "lácteos"],
-    "soja": ["soja", "soya", "soy", "soybean", "tofu", "tempeh"],
-    "albúmina": ["albúmina", "albumin", "huevo", "egg"],
+    "solanina": ["solanina", "solanine", "solanáceas", "tomate", "patata", "papa"],
+    "capsaicina": ["capsaicina", "capsaicin", "chile", "ají", "picante"],
+    "gluten": ["gluten", "trigo", "wheat", "cebada", "centeno"],
+    "caseína": ["caseína", "casein", "queso", "lácteos"],
+    "soja": ["soja", "soya", "soy", "tofu", "tempeh"],
+    "albúmina": ["albúmina", "albumin", "huevo"],
     "lactosa": ["lactosa", "lactose"],
-    "fructosa": ["fructosa", "fructose", "miel"],
-    "fodmaps": ["fodmap", "fodmaps", "fructanos", "galactanos", "polyols", "sorbitol", "rafinosa", "estaquiosa"],
+    "fructosa": ["fructosa", "fructose"],
+    "fodmaps": ["fodmap", "fodmaps", "fructanos", "galactanos", "sorbitol", "rafinosa", "estaquiosa"],
     "histamina": ["histamina", "histamine", "dao"],
     "tiramina": ["tiramina", "tyramine"],
-    "oxalatos": ["oxalato", "oxalatos", "oxalate", "ácido oxálico"],
-    "saponinas": ["saponina", "saponinas", "saponin"],
-    "lectinas": ["lectina", "lectinas", "lectin", "frijoles", "legumbres"],
-    "fitatos": ["fitato", "fitatos", "phytate", "ácido fítico"],
-    "salicilatos": ["salicilato", "salicilatos", "salicylate"],
-    "sulfitos": ["sulfito", "sulfitos", "sulfite"],
+    "oxalatos": ["oxalato", "oxalatos", "oxalate"],
+    "saponinas": ["saponina", "saponinas"],
+    "lectinas": ["lectina", "lectinas", "frijoles", "legumbres"],
+    "fitatos": ["fitato", "fitatos", "ácido fítico"],
+    "salicilatos": ["salicilato", "salicilatos"],
+    "sulfitos": ["sulfito", "sulfitos"],
     "glutamato": ["glutamato", "glutamate", "msg"],
-    "nitritos": ["nitrito", "nitritos", "nitrato", "embutidos"],
+    "nitritos": ["nitrito", "nitritos", "embutidos"],
     "alcohol": ["alcohol", "etanol", "cerveza", "vino"],
-    "purinas": ["purina", "purinas", "purine", "ácido úrico", "gota"],
-    "inhibidores_proteasas": ["inhibidor de tripsina", "inhibidores de proteasas", "protease inhibitor", "tripsina"],
-    "vicina_convicina": ["vicina", "convicina", "favismo", "g6pd", "haba", "habas"],
-    "isoflavonas": ["isoflavona", "isoflavonas", "fitoestrógenos", "fitoestrogenos", "soja"],
-    "goitrógenos": ["goitrógeno", "goitrogenos", "goitrogen", "tiroides", "crucíferas"],
-    "taninos": ["tanino", "taninos", "tannin", "tannins"]
+    "purinas": ["purina", "purinas", "ácido úrico", "gota"],
+    "inhibidores_proteasas": ["inhibidor de tripsina", "inhibidores de proteasas", "tripsina"],
+    "vicina_convicina": ["vicina", "convicina", "favismo", "g6pd", "haba", "habas"]
 }
 
 MEDICAL_CONDITION_SAFEGUARDS = {
     "farmacos_interacciones": {
-        "condition_triggers": ["fármaco", "farmaco", "medicamento", "imao", "anticoagulante", "warfarina"],
-        "required_user_keywords": ["fármaco", "farmaco", "medicamento", "imao", "pastilla", "remedio", "antidepresivo", "receta"]
+        "condition_triggers": ["fármaco", "farmaco", "medicamento", "imao", "anticoagulante"],
+        "required_user_keywords": ["fármaco", "farmaco", "medicamento", "imao", "pastilla", "remedio", "receta"]
     },
     "respiratorio_asma": {
-        "condition_triggers": ["asma", "sibilancia", "broncoespasmo", "neumonitis"],
-        "required_user_keywords": ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "falta de aire"]
+        "condition_triggers": ["asma", "sibilancia", "broncoespasmo"],
+        "required_user_keywords": ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo"]
     },
     "dermatologico_alergia": {
-        "condition_triggers": ["urticaria", "angioedema", "anafilaxia", "eccema", "dermatitis"],
-        "required_user_keywords": ["piel", "pica", "picazón", "manchas", "rojo", "alergia", "ronchas", "granitos"]
+        "condition_triggers": ["urticaria", "angioedema", "anafilaxia", "dermatitis"],
+        "required_user_keywords": ["piel", "pica", "picazón", "manchas", "rojo", "alergia", "ronchas"]
     },
     "articular_gota": {
         "condition_triggers": ["gota", "artritis", "hiperuricemia"],
-        "required_user_keywords": ["articulación", "coyuntura", "dedo gordo", "rodilla", "gota", "artritis"]
+        "required_user_keywords": ["articulación", "coyuntura", "dedo gordo", "rodilla", "gota"]
     },
     "renal_litiasis": {
         "condition_triggers": ["litiasis", "cálculo renal", "piedras en el riñón"],
@@ -370,8 +316,8 @@ MEDICAL_CONDITION_SAFEGUARDS = {
         "required_user_keywords": ["embarazada", "embarazo", "bebé", "lactando"]
     },
     "hepato_vesicular": {
-        "condition_triggers": ["vesícula", "vesicula", "colelitiasis", "cirrosis", "hígado"],
-        "required_user_keywords": ["vesícula", "vesicula", "hígado", "higado", "piel amarilla", "costado derecho"]
+        "condition_triggers": ["vesícula", "vesicula", "colelitiasis", "hígado"],
+        "required_user_keywords": ["vesícula", "vesicula", "hígado", "higado", "piel amarilla"]
     }
 }
 
@@ -381,47 +327,39 @@ INTEGRATED_NEURO_FOOD_MAP = {
         "fuentes_comunes": ["pan", "trigo", "pasta", "cebada", "centeno"]
     },
     "caseína": {
-        "efecto_neuropsicologico": "Sus péptidos (casomorfinas) pueden actuar sobre receptores opioides en el SNC, afectando la cognición, el estado de ánimo y el comportamiento.",
+        "efecto_neuropsicologico": "Sus péptidos (casomorfinas) pueden actuar sobre receptores opioides en el SNC, afectando la cognición y el estado de ánimo.",
         "fuentes_comunes": ["leche", "queso", "yogur"]
     },
     "fodmaps": {
-        "efecto_neuropsicologico": "Mediante el eje intestino-cerebro, la fermentación intestinal excesiva por oligosacáridos (GOS/rafinosa) genera gases y tensión visceral, enviando señales de estrés por el nervio vago que aumentan la ansiedad e hipersensibilidad al dolor.",
+        "efecto_neuropsicologico": "Mediante el eje intestino-cerebro, la fermentación intestinal excesiva por oligosacáridos (GOS/rafinosa) genera distensión visceral, enviando señales de estrés por el nervio vago que aumentan la ansiedad e hipersensibilidad.",
         "fuentes_comunes": ["frijoles", "lentejas", "cebolla", "ajo", "trigo"]
     },
     "inhibidores_proteasas": {
-        "efecto_neuropsicologico": "Impiden la descomposición enzimática adecuada de las proteínas en el lumen intestinal. Esto produce mala digestión, hipoperfusión gastrointestinal y letargo posprandial severo.",
-        "fuentes_comunes": ["frijoles", "legumbres crudas o mal cocidas", "soja"]
+        "efecto_neuropsicologico": "Impiden la descomposición enzimática adecuada de proteínas, produciendo indigestión severa, hipoperfusión gastrointestinal y letargo posprandial.",
+        "fuentes_comunes": ["frijoles", "legumbres mal cocidas", "soja"]
     },
     "vicina_convicina": {
-        "efecto_neuropsicologico": "En personas predispuestas con deficiencia de la enzima G6PD (favismo), desencadena estrés oxidativo eritrocitario que puede producir cefalea vascular aguda, astenia y mareos.",
+        "efecto_neuropsicologico": "En personas con deficiencia de la enzima G6PD (favismo), desencadena estrés oxidativo eritrocitario que produce cefalea vascular, astenia y mareos.",
         "fuentes_comunes": ["habas"]
     },
-    "isoflavonas": {
-        "efecto_neuropsicologico": "Fitoestrógenos que pueden interactuar con los receptores de estrógeno en el cerebro, alterando potencialmente el estado de ánimo y la regulación hormonal.",
-        "fuentes_comunes": ["soja", "tofu", "tempeh"]
-    },
-    "goitrógenos": {
-        "efecto_neuropsicologico": "Interfieren con la absorción del yodo en la glándula tiroides, pudiendo contribuir a la fatiga crónica, lentitud cognitiva e intolerancia al frío.",
-        "fuentes_comunes": ["soja", "brócoli", "coliflor", "repollo"]
-    },
     "tiramina": {
-        "efecto_neuropsicologico": "Amina vasoactiva de acción simpaticomimética. Provoca vasoconstricción inicial seguida de vasodilatación cerebral, siendo un potente desencadenante de migrañas.",
+        "efecto_neuropsicologico": "Amina vasoactiva. Provoca vasoconstricción inicial seguida de vasodilatación cerebral, desencadenando migrañas.",
         "fuentes_comunes": ["quesos madurados", "vino tinto", "embutidos"]
     },
     "histamina": {
-        "efecto_neuropsicologico": "Neurotransmisor estimulante central. Su exceso por bajo DAO o consumo elevado provoca migrañas, insomnio, fragmentación del sueño y ansiedad.",
+        "efecto_neuropsicologico": "Neurotransmisor estimulante central. Su exceso por bajo DAO provoca migrañas, insomnio, fragmentación del sueño y ansiedad.",
         "fuentes_comunes": ["queso", "vino tinto", "tomate", "pescado azul", "conservas"]
     },
     "salicilatos": {
-        "efecto_neuropsicologico": "En concentraciones elevadas alteran la enzima PST. En personas sensibles provocan estimulación del SNC, hiperactividad e insomnio.",
+        "efecto_neuropsicologico": "En personas sensibles provocan estimulación excesiva del SNC, hiperactividad e insomnio.",
         "fuentes_comunes": ["cítricos", "manzanas", "tomate", "especias", "té"]
     },
     "fenoles": {
-        "efecto_neuropsicologico": "La sobrecarga de fenoles satura las vías de detoxificación hepática de sulfatación, acumulando catecolaminas que producen agitación nocturna e insomnio.",
+        "efecto_neuropsicologico": "La sobrecarga de fenoles satura las vías de sulfatación hepática, acumulando catecolaminas que producen agitación nocturna e insomnio.",
         "fuentes_comunes": ["jugo de naranja", "chontaduro", "noni", "té"]
     },
     "cafeína": {
-        "efecto_neuropsicologico": "Bloquea los receptores de adenosina en el cerebro. En personas sensibles provoca hiperactivación del SNC, ansiedad e insomnio.",
+        "efecto_neuropsicologico": "Bloquea los receptores de adenosina en el cerebro. Provoca hiperactivación del SNC, ansiedad e insomnio.",
         "fuentes_comunes": ["café", "té negro", "energizantes", "chocolate"]
     },
     "lactosa": {
@@ -429,35 +367,25 @@ INTEGRATED_NEURO_FOOD_MAP = {
         "fuentes_comunes": ["leche", "queso fresco", "crema de leche"]
     },
     "fructosa": {
-        "efecto_neuropsicologico": "La sobrecarga de fructosa disminuye la biodisponibilidad de triptófano en el intestino, interfiriendo en la síntesis de serotonina y melatonina.",
+        "efecto_neuropsicologico": "Disminuye la biodisponibilidad de triptófano en el intestino, interfiriendo en la síntesis de serotonina y melatonina.",
         "fuentes_comunes": ["jugos concentrados", "miel", "frutas muy dulces"]
     },
-    "oxalatos": {
-        "efecto_neuropsicologico": "Pueden interferir en la función mitocondrial de las neuronas, asociados a fatiga crónica y neblina cerebral.",
-        "fuentes_comunes": ["espinacas", "quinoa", "frutos secos", "cacao"]
-    },
     "solanina": {
-        "efecto_neuropsicologico": "Glicoalcaloide con leve efecto inhibidor de la acetilcolinesterasa; en sensibles puede provocar letargo y rigidez corporal.",
+        "efecto_neuropsicologico": "Glicoalcaloide con leve efecto inhibidor de la acetilcolinesterasa; puede provocar letargo y rigidez corporal.",
         "fuentes_comunes": ["tomate", "patata", "berenjena"]
     }
 }
 
 CONSEJOS_POR_COMPUESTO = {
-    "fodmaps": "Para reducir los GOS (rafinosa y estaquiosa) de los frijoles y legumbres, realiza un remojo de al menos 12 a 24 horas descartando el agua, y cocina a alta presión adicionando especias carminativas como comino o epazote.",
-    "inhibidores_proteasas": "La cocción prolongada y el calor de la olla de presión inactivan casi por completo los inhibidores de tripsina en legumbres, mejorando drásticamente la digestibilidad de sus proteínas.",
-    "vicina_convicina": "Si padeces favismo (deficiencia de la enzima G6PD), debes evitar de forma estricta el consumo de habas en todas sus presentaciones.",
-    "isoflavonas": "Si buscas consumir soja reduciendo el impacto de fitoestrógenos libres, opta por formas fermentadas tradicionales como el tempeh o la sopa miso.",
-    "gluten": "La respuesta al gluten debe diferenciar Enfermedad Celíaca, SGNC y alergia al trigo. Se recomienda realizar pruebas serológicas antes de retirarlo de la dieta.",
-    "caseína": "La proteína A1 de la leche libera beta-casomorfina-7. Se sugiere evaluar variantes A2 o lácteos fermentados bajo supervisión.",
-    "lactosa": "La intolerancia se debe a baja lactasa en el enterocito. Se puede manejar con lactasa exógena o productos deslactosados.",
+    "fodmaps": "Para reducir los GOS (rafinosa y estaquiosa) de los frijoles y legumbres, realiza un remojo de 12 a 24 horas desechando el agua, y cocina a alta presión adicionando comino o epazote.",
+    "inhibidores_proteasas": "La cocción prolongada y el calor de la olla a presión inactivan casi por completo los inhibidores de tripsina en legumbres.",
+    "vicina_convicina": "Si padeces favismo (deficiencia de G6PD), evita de forma estricta el consumo de habas.",
+    "gluten": "La respuesta al gluten debe diferenciar Enfermedad Celíaca, SGNC y alergia al trigo. Realiza pruebas serológicas antes de retirarlo.",
+    "lactosa": "La intolerancia se debe a baja lactasa. Se puede manejar con lactasa exógena o productos deslactosados.",
     "histamina": "La acumulación de histamina se asocia a bajo DAO. Una dieta baja en histamina y rica en vitamina B6 y C ayuda a restaurar el equilibrio.",
-    "tiramina": "Controlar el consumo de alimentos añejados o fermentados previene picos de presión arterial y cefaleas en personas sensibles a la MAO.",
-    "salicilatos": "Moderar el consumo concentrado de jugos cítricos y especias ayuda a estabilizar el sistema nervioso y mejorar la calidad del sueño.",
-    "fenoles": "Reducir la ingesta concentrada de jugos de frutas exóticas alivia la sobrecarga de sulfatación hepática.",
-    "cafeína": "Metabolizada por CYP1A2. Moderar su consumo antes de mitad de tarde protege la arquitectura del sueño.",
-    "oxalatos": "Consumir alimentos ricos en oxalatos junto con calcio dietético favorece su eliminación intestinal evitando la formación de cristales renales.",
-    "saponinas": "El remojo prolongado y el lavado intensivo bajo agua corriente reducen significativamente la espuma de saponinas en quinoa y legumbres.",
-    "solanina": "Consumir hortalizas bien maduras y retirar la piel verde o los brotes de las papas minimiza la irritación intestinal."
+    "tiramina": "Controlar el consumo de alimentos añejados previene picos de presión arterial y cefaleas.",
+    "salicilatos": "Moderar el consumo concentrado de jugos cítricos y especias ayuda a estabilizar el sueño.",
+    "cafeína": "Moderar su consumo antes de mitad de tarde protege la arquitectura del sueño."
 }
 
 CONSEJO_GENERICO_DEFAULT = "Cada organismo posee una individualidad bioquímica única según su perfil enzimático y digestivo. Monitorear tus respuestas personales te permitirá adaptar la dieta a tu umbral de tolerancia."
@@ -465,76 +393,52 @@ CONSEJO_GENERICO_DEFAULT = "Cada organismo posee una individualidad bioquímica
 FOODB_EFFECTS_TRANSLATION = {
     "flatugenic": "genera gases/flatulencia", "antioxidant": "antioxidante",
     "hypercholesterolemic": "puede elevar colesterol", "triglycerigenic": "puede elevar triglicéridos",
-    "uricogenic": "puede elevar ácido úrico", "aggregant": "pro-agregante plaquetario",
-    "preservative": "conservante natural", "sweetener": "edulcorante natural",
-    "demulcent": "protector de mucosa digestiva", "vasodilator": "vasodilatador (posible migraña)",
-    "vasoconstrictor": "vasoconstrictor", "histaminic": "actividad histaminérgica",
+    "uricogenic": "puede elevar ácido úrico", "vasodilator": "vasodilatador (posible migraña)",
     "laxative": "efecto laxante", "diuretic": "efecto diurético",
-    "stimulant": "estimulante del SNC", "sedative": "efecto sedante",
-    "antiinflammatory": "antiinflamatorio", "ulcerogenic": "irritante gástrico"
+    "stimulant": "estimulante del SNC", "antiinflammatory": "antiinflamatorio"
 }
 
 COMPOUND_SYNONYM_MAP = {
-    "gluten": ["gluten", "gliadin"],
-    "caseína": ["casein", "casomorphin"],
-    "lactosa": ["lactose"],
-    "fructosa": ["fructose"],
-    "proteínas": ["protein", "amino acid"]
+    "gluten": ["gluten", "gliadin"], "caseína": ["casein"], "lactosa": ["lactose"], "fructosa": ["fructose"]
 }
 
 MASTER_SYMPTOM_MAP = {
     "dolor abdominal": {
-        "frases_es": ["dolor de estómago", "dolor de panza", "dolor abdominal", "retortijones", "cólicos", "calambres abdominales", "gastritis", "acidez", "reflujo", "pesadez"],
-        "keywords_en": ["abdominal", "pain", "stomach", "cramp", "colic", "gastrointestinal"]
+        "frases_es": ["dolor de estómago", "dolor de panza", "dolor abdominal", "retortijones", "cólicos", "gastritis", "acidez", "reflujo", "pesadez"],
+        "keywords_en": ["abdominal", "pain", "stomach", "cramp"]
     },
     "hinchazón": {
-        "frases_es": ["hinchazón abdominal", "vientre hinchado", "distensión abdominal", "hinchazón", "distensión", "estomago se infla", "inflamado", "inflado", "infla", "hincha", "gases", "flatulencia"],
-        "keywords_en": ["bloating", "distension", "flatulence", "swelling"]
+        "frases_es": ["hinchazón abdominal", "vientre hinchado", "distensión abdominal", "hinchazón", "distensión", "inflamado", "gases", "flatulencia"],
+        "keywords_en": ["bloating", "distension", "flatulence"]
     },
     "diarrea": {
-        "frases_es": ["diarrea", "diarreas", "soltura", "estómago suelto", "deposiciones líquidas", "deposiciones liquidas", "diarrea acuosa"],
+        "frases_es": ["diarrea", "diarreas", "soltura", "estómago suelto", "deposiciones líquidas"],
         "keywords_en": ["diarrhea", "loose stools"]
     },
     "náuseas": {
-        "frases_es": ["náuseas", "nauseas", "vómito", "vomito", "ganas de vomitar", "mareo digestivo"],
+        "frases_es": ["náuseas", "nauseas", "vómito", "vomito", "ganas de vomitar"],
         "keywords_en": ["nausea", "vomiting"]
     },
     "dolor de cabeza": {
-        "frases_es": ["dolor de cabeza", "migraña", "cefalea", "jaqueca", "me duele la cabeza", "duele la cabeza", "dolor de sien", "dolor en la cabeza", "pesadez de cabeza"],
+        "frases_es": ["dolor de cabeza", "migraña", "cefalea", "jaqueca", "me duele la cabeza"],
         "keywords_en": ["headache", "migraine"]
     },
     "ansiedad": {
-        "frases_es": ["ansiedad", "nerviosismo", "agitación", "angustia", "desrealización", "irritabilidad", "cambios de ánimo"],
-        "keywords_en": ["anxiety", "nervousness"]
+        "frases_es": ["ansiedad", "nerviosismo", "angustia", "irritabilidad"],
+        "keywords_en": ["anxiety"]
     },
     "insomnio": {
-        "frases_es": ["insomnio", "no puedo dormir", "dificultad para dormir", "desvelado", "no duermo", "desvelo", "sueño fragmentado"],
-        "keywords_en": ["insomnia", "sleep trouble"]
+        "frases_es": ["insomnio", "no puedo dormir", "desvelado", "no duermo", "desvelo"],
+        "keywords_en": ["insomnia"]
     },
     "alergia cutánea": {
-        "frases_es": ["piel", "rasca", "picazón", "picazon", "manchas", "urticaria", "erupción", "erupcion", "alergia", "ronchas", "granitos", "eccema", "salpullido"],
-        "keywords_en": ["rash", "itching", "urticaria", "eczema"]
-    },
-    "reactividad respiratoria": {
-        "frases_es": ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "falta de aire", "congestión nasal", "estornudos", "rinitis"],
-        "keywords_en": ["asthma", "cough", "wheezing", "rhinitis"]
-    },
-    "respuesta cardiovascular": {
-        "frases_es": ["palpitaciones", "taquicardia", "ritmo cardíaco", "presión", "presion", "rubor", "sofoco", "picos de presión"],
-        "keywords_en": ["palpitations", "tachycardia", "flushing"]
-    },
-    "dolor articular": {
-        "frases_es": ["articulación", "articulacion", "rodilla", "coyuntura", "rigidez", "calambre", "gota", "espalda", "músculo", "musculo", "dolor articular"],
-        "keywords_en": ["joint pain", "gout", "stiffness"]
-    },
-    "molestia renal": {
-        "frases_es": ["riñón", "riñon", "orina", "orinar", "cálculo", "calculo", "piedra", "ardor al orinar", "cólico renal"],
-        "keywords_en": ["kidney", "urine", "calculus"]
+        "frases_es": ["piel", "rasca", "picazón", "urticaria", "erupción", "alergia", "ronchas"],
+        "keywords_en": ["rash", "itching"]
     }
 }
 
 # ==============================================================================
-# FUNCIONES DE SEGURO LÓGICO, EXTRACCIÓN Y BÚSQUEDA FLEXIBLE
+# FUNCIONES AUXILIARES Y DE BÚSQUEDA
 # ==============================================================================
 
 def sanitize_text(text):
@@ -549,12 +453,7 @@ STOPWORDS_ES = {
     "en", "con", "por", "para", "que", "se", "su", "sus", "al", "del", "lo",
     "como", "es", "son", "muy", "mas", "más", "no", "si", "sí", "tu", "mi",
     "me", "te", "le", "les", "nos", "cuando", "donde", "porque", "pero",
-    "también", "tambien", "esta", "este", "estos", "estas", "ese", "esa",
-    "eso", "asi", "así", "ya", "ha", "he", "han", "hay", "fue", "ser",
-    "tener", "tengo", "tiene", "tienen", "puede", "pueden", "puedo",
-    "sobre", "entre", "desde", "hasta", "sin", "e", "ni", "todo", "toda",
-    "todos", "todas", "cada", "otro", "otra", "otros", "otras", "tomo",
-    "mucho", "poco"
+    "tomo", "como", "da"
 }
 
 def extract_keywords(text):
@@ -567,24 +466,19 @@ def get_compounds_for_food(food_name, food_map):
 
     food_clean = food_name.lower().strip()
 
-    # 1. Coincidencia exacta
     if food_clean in food_map:
         return food_map[food_clean]
 
-    # 2. Normalización de Plurales
     for suffix in ["es", "s"]:
         if food_clean.endswith(suffix):
             norm = food_clean[:-len(suffix)]
             if norm in food_map:
                 return food_map[norm]
 
-    # 3. Corrección difusa de erratas de tipeo
     fuzzy_matches = difflib.get_close_matches(food_clean, list(food_map.keys()), n=1, cutoff=0.6)
     if fuzzy_matches:
-        logger.info(f"💡 Errata corregida automáticamente: '{food_clean}' -> '{fuzzy_matches[0]}'")
         return food_map[fuzzy_matches[0]]
 
-    # 4. Búsqueda por subcadena exacta de palabra
     matched_compounds = set()
     for key, compounds in food_map.items():
         if re.search(r'\b' + re.escape(key) + r'\b', food_clean) or food_clean in key:
@@ -593,33 +487,15 @@ def get_compounds_for_food(food_name, food_map):
     if matched_compounds:
         return list(matched_compounds)
 
-    # 5. Inferencia por palabras individuales
     inferred = set()
-    words = food_clean.split()
-    for word in words:
-        if len(word) > 3:
-            sub_fuzzy = difflib.get_close_matches(word, list(food_map.keys()), n=1, cutoff=0.7)
-            if sub_fuzzy:
-                inferred.update(food_map[sub_fuzzy[0]])
-
-    if inferred:
-        return list(inferred)
-
-    # 6. INFERENCIA UNIVERSAL POR FAMILIA BIOLÓGICA
-    if any(w in food_clean for w in ["carne", "cerdo", "res", "pollo", "pavo", "cordero", "chicharrón", "tocino"]):
-        inferred.update(["histamina", "purinas", "proteínas"])
-    elif any(w in food_clean for w in ["pescado", "atún", "marisco", "camarón", "sardina"]):
-        inferred.update(["histamina", "purinas", "albúmina"])
-    elif any(w in food_clean for w in ["jugo", "zumo", "batido", "fruta", "licuado"]):
+    if any(w in food_clean for w in ["frijol", "lenteja", "garbanzo", "legumbre", "soja", "haba", "arveja"]):
+        inferred.update(["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas"])
+    elif any(w in food_clean for w in ["carne", "cerdo", "res", "pollo", "pavo", "chicharrón"]):
+        inferred.update(["histamina", "purinas"])
+    elif any(w in food_clean for w in ["jugo", "zumo", "batido", "fruta"]):
         inferred.update(["fructosa", "salicilatos", "histamina", "fenoles"])
-    elif any(w in food_clean for w in ["queso", "leche", "crema", "yogur", "mantequilla"]):
+    elif any(w in food_clean for w in ["queso", "leche", "crema", "yogur"]):
         inferred.update(["caseína", "lactosa", "histamina", "tiramina"])
-    elif any(w in food_clean for w in ["pan", "galleta", "pasta", "harina"]):
-        inferred.update(["gluten", "fodmaps"])
-    elif any(w in food_clean for w in ["frijol", "lenteja", "garbanzo", "legumbre", "soja", "haba", "arveja"]):
-        inferred.update(["fodmaps", "lectinas", "fitatos", "saponinas", "inhibidores_proteasas", "purinas"])
-    elif any(w in food_clean for w in ["salsa", "sazonador", "aderezo", "caldo"]):
-        inferred.update(["glutamato", "histamina", "sulfitos"])
 
     return list(inferred)
 
@@ -630,15 +506,12 @@ def validar_seguro_logico(entry, user_foods, user_query, food_compound_map):
     user_query_clean = user_query.lower() if user_query else ""
     texto_condicion = (entry.get("condicion_asociada", "") + " " + entry.get("compuesto_alimento", "")).lower()
 
-    # 1. EVALUAR SEGUROS POR CATEGORÍA DE CONDICIONES MÉDICAS
     for category, rules in MEDICAL_CONDITION_SAFEGUARDS.items():
         if any(trig in texto_condicion for trig in rules["condition_triggers"]):
             tiene_contexto = any(req_kw in user_query_clean for req_kw in rules["required_user_keywords"])
             if not tiene_contexto:
-                logger.info(f"🚩 SEGURO LÓGICO ACTIVADO [{category.upper()}]: Se descartó '{entry.get('condicion_asociada')}' por falta de contexto clínico.")
                 return False
 
-    # 2. EVALUAR SEGUROS BIOQUÍMICOS POR COMPUESTOS ESTRICTOS
     user_compounds = set()
     for food in user_foods:
         comps = get_compounds_for_food(food, food_compound_map)
@@ -652,7 +525,6 @@ def validar_seguro_logico(entry, user_foods, user_query, food_compound_map):
                 for syn in synonyms
             )
             if not tiene_compuesto:
-                logger.info(f"🚩 SEGURO LÓGICO ACTIVADO [BIOQUÍMICA]: Se descartó '{entry.get('condicion_asociada')}' porque '{user_foods}' NO contiene {compound_key}.")
                 return False
 
     return True
@@ -663,16 +535,12 @@ def extract_entities_with_gemini(query):
         return {"alimentos": [], "sintomas": []}
 
     system_prompt = f"""
-    Rol: Extractor Médico JSON experto en nutrición y síntomas.
-    Tarea: Analiza el texto del usuario y extrae un JSON estricto con dos claves:
-    - "alimentos": lista de alimentos o bebidas mencionados en español (ej: "frijoles", "bandeja paisa", "ajiaco", "queso", "leche", "vino tinto").
-    - "sintomas": lista de síntomas mencionados en español (ej: "insomnio", "dolor de cabeza", "hinchazón", "diarrea").
-
+    Rol: Extractor Médico JSON de alimentos y síntomas.
+    Extrae un JSON estricto con dos claves: "alimentos" (lista) y "sintomas" (lista).
     Input: "{query}"
-    Output (JSON estricto):
     """
     try:
-        raw_text, _ = generate_content_with_fallback(gemini_client, system_prompt)
+        raw_text, _ = generate_content_with_strict_timeout(gemini_client, system_prompt, timeout_seconds=3.5)
         text = raw_text
         if "```json" in text:
             text = text.split("```json")[1].split("```")[0]
@@ -680,7 +548,7 @@ def extract_entities_with_gemini(query):
             text = text.split("```")[1].split("```")[0]
         return json.loads(text)
     except Exception as e:
-        logger.warning(f"Extracción por IA no disponible ({e}). Se usará extracción directa por palabras clave.")
+        logger.warning(f"Extracción por IA no disponible o cancelada ({e}). Se usa extracción directa local.")
         return {"alimentos": [], "sintomas": []}
 
 def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_map):
@@ -691,17 +559,6 @@ def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_m
     for food_keyword in food_map.keys():
         if re.search(r'\b' + re.escape(food_keyword) + r'\b', query_sanitized):
             current_foods.add(food_keyword)
-            
-    if not current_foods:
-        match_jugo = re.search(r'\b(jugo|zumo|batido|licuado)\s+de\s+([a-zA-ZáéíóúñÁÉÍÓÚÑ]+)\b', query_sanitized)
-        if match_jugo:
-            current_foods.add(match_jugo.group(0))
-        else:
-            match_tomo = re.search(r'\b(como|tomo|consumo|ingiero|da)\s+([a-zA-ZáéíóúñÁÉÍÓÚÑ\s]{3,20})\b', query_sanitized)
-            if match_tomo:
-                food_extracted = match_tomo.group(2).strip()
-                if food_extracted not in STOPWORDS_ES:
-                    current_foods.add(food_extracted)
 
     entities["alimentos"] = list(current_foods)
 
@@ -711,16 +568,6 @@ def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_m
             if phrase in query_sanitized:
                 current_symptoms.add(main_symptom)
                 break
-                
-    if not current_symptoms:
-        if any(w in query_sanitized for w in ["diarrea", "diarreas", "soltura", "líquida", "suelto"]):
-            current_symptoms.add("diarrea")
-        elif any(w in query_sanitized for w in ["hinchazón", "hinchazon", "gases", "inflamado"]):
-            current_symptoms.add("hinchazón")
-        elif any(w in query_sanitized for w in ["cabeza", "migraña", "cefalea"]):
-            current_symptoms.add("dolor de cabeza")
-        elif any(w in query_sanitized for w in ["dormir", "insomnio", "desvelo"]):
-            current_symptoms.add("insomnio")
 
     entities["sintomas"] = list(current_symptoms)
     return entities
@@ -789,68 +636,21 @@ def build_local_hypothesis(entities, food_compound_map, neuro_map):
     if not user_foods or not user_symptoms:
         return None
 
-    symptom_text = " ".join(user_symptoms).lower()
-
-    es_neurologico = any(k in symptom_text for k in ["dolor de cabeza", "migraña", "cefalea", "jaqueca", "mareo", "vértigo", "cabeza"])
-    es_psicologico = any(k in symptom_text for k in ["ansiedad", "angustia", "nerviosismo", "depresión", "irritabilidad"])
-    es_insomnio = any(k in symptom_text for k in ["insomnio", "no puedo dormir", "sueño", "desvelado", "desvelo", "dormir"])
-    es_gastrointestinal = any(k in symptom_text for k in ["diarrea", "diarreas", "hinchazón", "hinchazon", "gases", "dolor abdominal", "retortijón", "cólico", "inflamado", "estómago", "náuseas"])
-    es_dermatologico = any(k in symptom_text for k in ["piel", "rasca", "picazón", "manchas", "urticaria", "erupción", "alergia", "ronchas"])
-    es_respiratorio = any(k in symptom_text for k in ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "rinitis"])
-    es_cardiovascular = any(k in symptom_text for k in ["palpitaciones", "taquicardia", "ritmo cardíaco", "presión", "sofoco"])
-
     candidates = []
     for food in user_foods:
         comps = get_compounds_for_food(food, food_compound_map)
         for compound in comps:
             info = neuro_map.get(compound, {})
-            effect = info.get('efecto_neuropsicologico', f'Sustancia bioactiva ({compound}) con impacto inmunológico o metabólico en {food}')
+            effect = info.get('efecto_neuropsicologico', f'Sustancia bioactiva ({compound}) en {food}')
             candidates.append({"alimento": food, "compuesto": compound, "efecto": effect})
 
-    if not candidates:
-        alimentos_str = ", ".join(user_foods).capitalize()
-        sintomas_str = ", ".join(user_symptoms)
-
-        if es_neurologico:
-            condicion_fallback = f"Cefalea o Migraña Alimentaria relacionada con {alimentos_str}"
-        elif es_psicologico:
-            condicion_fallback = f"Alteración Neuropsicológica o Estado de Ánimo relacionado con {alimentos_str}"
-        elif es_insomnio:
-            condicion_fallback = f"Alteración del Sueño o Insomnio relacionado con {alimentos_str}"
-        elif es_gastrointestinal:
-            condicion_fallback = f"Distensión o Malestar Gastrointestinal relacionado con {alimentos_str}"
-        elif es_dermatologico:
-            condicion_fallback = f"Reacción Dermatológica o Urticaria relacionada con {alimentos_str}"
-        else:
-            condicion_fallback = f"Sensibilidad o Intolerancia Alimentaria a {alimentos_str}"
-
-        return {
-            "condicion_asociada": condicion_fallback,
-            "mecanismo_fisiologico": f"Respuesta inmunológica, enzimática o metabólica inducida por los componentes bioactivos de {alimentos_str}, manifestándose con {sintomas_str}.",
-            "compuesto_alimento": f"{alimentos_str} (Compuestos bioactivos)",
-            "sintomas_clave": user_symptoms,
-            "es_hipotesis_local": True
-        }
-
-    compuestos_unicos = sorted(set(c['compuesto'] for c in candidates))
-    alimentos_unicos = sorted(set(c['alimento'] for c in candidates))
+    compuestos_unicos = sorted(set(c['compuesto'] for c in candidates)) if candidates else ["Compuestos bioactivos"]
+    alimentos_unicos = sorted(set(user_foods))
     compuestos_str = ", ".join(compuestos_unicos)
     alimentos_str = ", ".join(alimentos_unicos).capitalize()
 
-    if es_neurologico:
-        condicion = f"Cefalea o Migraña Vasoactiva asociada a {compuestos_str} en {alimentos_str}"
-    elif es_psicologico:
-        condicion = f"Alteración Neuropsicológica / Estado de Ánimo asociada a {compuestos_str} en {alimentos_str}"
-    elif es_dermatologico:
-        condicion = f"Reacción Histaminérgica / Dermatológica por {compuestos_str} en {alimentos_str}"
-    elif es_insomnio:
-        condicion = f"Alteración del Sueño e Insomnio por respuesta a {compuestos_str} en {alimentos_str}"
-    elif es_gastrointestinal:
-        condicion = f"Distensión Abdominal e Intolerancia Digestiva a {compuestos_str} en {alimentos_str}"
-    else:
-        condicion = f"Hipersensibilidad o Intolerancia a {compuestos_str} en {alimentos_str}"
-
-    mecanismo = " | ".join(sorted(set(c['efecto'] for c in candidates)))
+    condicion = f"Hipersensibilidad o Intolerancia a {compuestos_str} en {alimentos_str}"
+    mecanismo = " | ".join(sorted(set(c['efecto'] for c in candidates))) if candidates else "Proceso de malabsorción o reactividad digestiva/metabólica."
 
     return {
         "condicion_asociada": condicion,
@@ -860,42 +660,6 @@ def build_local_hypothesis(entities, food_compound_map, neuro_map):
         "es_hipotesis_local": True
     }
 
-def generate_ai_hypothesis_on_the_fly(query, entities):
-    gemini_client = get_gemini_client()
-    if not gemini_client:
-        return None
-
-    prompt = (
-        "Rol: Médico Especialista en Nutrición Funcional e Inmunología de Alimentos.\n"
-        f'Consulta directa del paciente: "{query}"\n\n'
-        "Analiza la fisiología de este caso y genera un JSON estricto con las siguientes 4 claves:\n"
-        '1. "condicion_asociada": Título médico conciso de la hipersensibilidad o intolerancia.\n'
-        '2. "mecanismo_fisiologico": Explicación concisa del mecanismo enzimático o inmunológico.\n'
-        '3. "compuesto_alimento": Nombre de los alimentos y moléculas responsables.\n'
-        '4. "sintomas_clave": Lista de los síntomas expresados por el paciente.\n\n'
-        "Devuelve ÚNICAMENTE el código JSON válido, sin bloques de código markdown ni texto adicional."
-    )
-    try:
-        raw_text, _ = generate_content_with_fallback(gemini_client, prompt)
-        raw = raw_text.strip()
-        
-        json_match = re.search(r'\{.*\}', raw, re.DOTALL)
-        if json_match:
-            raw_clean = json_match.group(0)
-        else:
-            raw_clean = raw
-            if "```json" in raw_clean:
-                raw_clean = raw_clean.split("```json")[1].split("```")[0]
-            elif "```" in raw_clean:
-                raw_clean = raw_clean.split("```")[1].split("```")[0]
-                
-        data = json.loads(raw_clean.strip())
-        data["es_hipotesis_local"] = True
-        return data
-    except Exception as e:
-        logger.error(f"Error en Agente Rescatador Universal de IA: {e}")
-        return None
-
 def find_best_foodb_matches(user_foods_es, _foodb_index, _foodb_lower_map, food_name_map, limit=3):
     if not user_foods_es or not _foodb_index:
         return []
@@ -932,7 +696,7 @@ def find_best_foodb_matches(user_foods_es, _foodb_index, _foodb_lower_map, food_
     return unique[:limit]
 
 # ==============================================================================
-# GENERADORES DE INFORMES (LOCAL, IA Y MOLECULAR CON FOODB)
+# GENERADORES DE INFORMES
 # ==============================================================================
 
 def generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map):
@@ -950,7 +714,7 @@ def generate_local_fallback_analysis(query, match, entities, food_compound_map,
 
     compuestos_str = ", ".join(sorted(list(compuestos_detectados))) if compuestos_detectados else match.get('compuesto_alimento', 'compuestos bioactivos')
 
-    causa = f"\n### 🧬 Causa e Identificación Molecular\nLos síntomas descritos (**{', '.join(user_symptoms)}**) tras el consumo de **{', '.join(user_foods)}** están asociados a la presencia de sustancias biológicamente activas como **{compuestos_str}**.\n"
+    causa = f"\n### 🧬 Causa e Identificación Molecular\nLos síntomas descritos (**{', '.join(user_symptoms)}**) tras el consumo de **{', '.join(user_foods)}** están asociados a la presencia de **{compuestos_str}**.\n"
 
     detalles_compuestos = []
     for comp in compuestos_detectados:
@@ -958,13 +722,11 @@ def generate_local_fallback_analysis(query, match, entities, food_compound_map,
             detalles_compuestos.append(f"- **{comp.capitalize()}**: {neuro_map[comp]['efecto_neuropsicologico']}")
 
     if detalles_compuestos:
-        causa += "\n**Mecanismo bioquímico e impacto fisiológico:**\n" + "\n".join(detalles_compuestos) + "\n"
-    elif match.get('mecanismo_fisiologico'):
-        causa += f"\n**Mecanismo fisiológico:** {match.get('mecanismo_fisiologico')}\n"
+        causa += "\n**Mecanismo bioquímico:**\n" + "\n".join(detalles_compuestos) + "\n"
 
-    evitar = f"\n### 🛑 Alimentos a Moderar o Evitar\n- **Alimentos evaluados:** {', '.join(user_foods).capitalize()}\n- Productos que contengan **{compuestos_str}** o derivados con los mismos componentes desencadenantes.\n"
+    evitar = f"\n### 🛑 Alimentos a Moderar o Evitar\n- **Alimentos evaluados:** {', '.join(user_foods).capitalize()}\n- Productos ricos en **{compuestos_str}**.\n"
 
-    alternativas = "\n### 💡 Sugerencias y Alternativas\n- Llevar un diario de síntomas registrando alimentos, hora de consumo y aparición de molestias.\n- Reducir temporalmente la ingesta del alimento sospechoso para evaluar la remisión del síntoma.\n- Consultar con un nutricionista funcional o médico especialista si las molestias persisten.\n"
+    alternativas = "\n### 💡 Sugerencias\n- Llevar un diario de síntomas registrando alimentos y horas de consumo.\n- Reducir la ingesta del alimento para evaluar remisión de síntomas.\n"
 
     consejo_texto = None
     for comp in compuestos_detectados:
@@ -981,17 +743,10 @@ def generate_local_fallback_analysis(query, match, entities, food_compound_map,
     return saludo + hipotesis + causa + evitar + alternativas + consejo + TEXTO_BANDERAS_ROJAS
 
 def generate_detailed_analysis(query, match, entities=None, food_compound_map=None, neuro_map=None):
-    cache_lookup_key = f"{hash(query)}_{match.get('condicion_asociada')}"
-    if cache_lookup_key in global_learned_cache:
-        logger.info("⚡ Respuesta entregada desde la Caché Global de Aprendizaje en RAM (0.001s).")
-        return global_learned_cache[cache_lookup_key]
-
     gemini_client = get_gemini_client()
 
     if not gemini_client:
-        local_report = generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map)
-        global_learned_cache[cache_lookup_key] = local_report
-        return local_report
+        return generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map)
 
     compound_context = ""
     if entities and food_compound_map and neuro_map:
@@ -1002,36 +757,24 @@ def generate_detailed_analysis(query, match, entities=None, food_compound_map=No
                 if compound in neuro_map:
                     lines.append(f"- {food.capitalize()} contiene {compound}: {neuro_map[compound]['efecto_neuropsicologico']}")
         if lines:
-            compound_context = "Compuestos moleculares relevantes detectados:\n" + "\n".join(lines)
+            compound_context = "Compuestos detectados:\n" + "\n".join(lines)
 
     prompt = f"""
-    Rol: Nutricionista Funcional y experto en bioquímica de alimentos.
-    Caso del paciente: {query}
+    Rol: Nutricionista Funcional.
+    Caso: {query}
     Hipótesis clínica: {match.get('condicion_asociada')}
-    Mecanismo fisiológico: {match.get('mecanismo_fisiologico')}
-    Alimentos/compuestos clave: {match.get('compuesto_alimento')}
+    Mecanismo: {match.get('mecanismo_fisiologico')}
     {compound_context}
 
-    Tarea: Escribe un análisis en Markdown estructurado:
-    1. Saludo breve y empático.
-    2. Frase inicial clara con la hipótesis probable.
-    3. Explicación de las moléculas responsables (ej: GOS/FODMAPs, lectinas, inhibidores de proteasas, histamina, tiramina, gluten, lactosa, caseína).
-    4. Mecanismo fisiológico en términos sencillos.
-    5. Alimentos a evitar o moderar.
-    6. Alternativas o reemplazos sugeridos.
-    7. Consejo práctico final.
+    Escribe un análisis estructurado en Markdown (saludo, hipótesis, moléculas responsables, alimentos a evitar, alternativas y consejo).
     NO incluyas descargos de responsabilidad.
     """
     try:
-        raw_text, used_model = generate_content_with_fallback(gemini_client, prompt)
-        ai_report = f"🤖 **Análisis Redactado por IA Gemini ({used_model}):**\n\n" + raw_text + TEXTO_BANDERAS_ROJAS
-        global_learned_cache[cache_lookup_key] = ai_report
-        return ai_report
+        raw_text, used_model = generate_content_with_strict_timeout(gemini_client, prompt, timeout_seconds=3.5)
+        return f"🤖 **Análisis Redactado por IA Gemini ({used_model}):**\n\n" + raw_text + TEXTO_BANDERAS_ROJAS
     except Exception as e:
-        logger.warning(f"Error o timeout en Gemini API ({e}). Se activa la respuesta en modo local.")
-        local_report = generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map)
-        global_learned_cache[cache_lookup_key] = local_report
-        return local_report
+        logger.warning(f" Gemini no respondió en < 3.5s ({e}). Se activa la respuesta en modo local.")
+        return generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map)
 
 def generate_neuro_report_text(entities, food_map, neuro_map):
     report_lines = ["\n### 🧠 Efectos Neuropsicológicos Posibles"]
@@ -1043,15 +786,15 @@ def generate_neuro_report_text(entities, food_map, neuro_map):
             comps = get_compounds_for_food(food, food_map)
             relevant_compounds.update(comps)
 
-    found_neuro_effect = False
+    found = False
     if relevant_compounds:
         for compound in sorted(list(relevant_compounds)):
             if compound in neuro_map:
-                found_neuro_effect = True
+                found = True
                 report_lines.append(f"**{compound.capitalize()}**: _{neuro_map[compound]['efecto_neuropsicologico']}_")
 
-    if not found_neuro_effect:
-        report_lines.append("No se detectaron efectos neuropsicológicos específicos directos en nuestra base de datos para los alimentos ingresados.")
+    if not found:
+        report_lines.append("No se detectaron efectos neuropsicológicos específicos directos.")
 
     return "\n".join(report_lines)
 
@@ -1059,7 +802,7 @@ def generate_molecular_report_text(best_match, entities, _foodb_index, _foodb_lo
     report_lines = ["\n### 🔬 Análisis Molecular y Efectos Bioactivos"]
     user_foods = entities.get("alimentos", [])
     if not user_foods:
-        return "No hay alimentos seleccionados para analizar."
+        return "No hay alimentos seleccionados."
 
     found_any = False
 
@@ -1081,23 +824,16 @@ def generate_molecular_report_text(best_match, entities, _foodb_index, _foodb_lo
             if not compounds:
                 continue
             found_any = True
-            report_lines.append(f"\n**{food_key.capitalize()}** (Compuestos y efectos fisiológicos en FooDB):")
+            report_lines.append(f"\n**{food_key.capitalize()}** (Efectos en FooDB):")
 
             for item in compounds[:5]:
                 if isinstance(item, dict):
                     comp_name = item.get('compound', 'N/A')
                     effects = item.get('effects', [])
 
-                    eff_translated = []
-                    for eff in effects[:4]:
-                        eff_clean = str(eff).lower().strip()
-                        eff_es = FOODB_EFFECTS_TRANSLATION.get(eff_clean, eff_clean)
-                        eff_translated.append(eff_es)
-
-                    eff_str = f" — *Efectos registrados: {', '.join(eff_translated)}*" if eff_translated else ""
+                    eff_translated = [FOODB_EFFECTS_TRANSLATION.get(str(e).lower().strip(), str(e)) for e in effects[:4]]
+                    eff_str = f" — *Efectos: {', '.join(eff_translated)}*" if eff_translated else ""
                     report_lines.append(f"- **{comp_name}**{eff_str}")
-                else:
-                    report_lines.append(f"- {str(item)}")
 
     if not found_any:
         report_lines.append("No se encontraron registros moleculares adicionales.")
@@ -1115,7 +851,7 @@ def generate_word_report(report_text):
         doc_io.seek(0)
         return doc_io.getvalue()
     except Exception as e:
-        logger.error(f"Error al generar informe Word: {e}")
+        logger.error(f"Error generando informe Word: {e}")
         return None
 
 def create_relevance_chart(results):
@@ -1129,13 +865,13 @@ def create_relevance_chart(results):
     ).properties(title='Top Coincidencias')
 
 # ==============================================================================
-# INICIALIZACIÓN DE ESTADO PERSISTENTE Y UI STREAMLIT
+# INTERFAZ STREAMLIT
 # ==============================================================================
 
 if 'search_results' not in st.session_state: st.session_state.search_results = None
 if 'user_query' not in st.session_state: st.session_state.user_query = ""
 if 'entities' not in st.session_state: st.session_state.entities = None
-if 'analysis_cache' not in st.session_state: st.session_state.analysis_cache = {}
+if 'main_analysis' not in st.session_state: st.session_state.main_analysis = ""
 if 'neuro_text_cache' not in st.session_state: st.session_state.neuro_text_cache = ""
 if 'mol_text_cache' not in st.session_state: st.session_state.mol_text_cache = ""
 if 'word_bytes_cache' not in st.session_state: st.session_state.word_bytes_cache = None
@@ -1152,7 +888,7 @@ with col_img2:
 
 gemini_test = get_gemini_client()
 if gemini_test:
-    st.caption("🟢 **Motor de IA Gemini Conectado:** Extracción y Redacción Avanzada Activadas")
+    st.caption("🟢 **Motor de IA Gemini Conectado:** Extracción y Redacción Activadas (Timeout: 3.5s)")
 else:
     st.caption("🟡 **Modo Local / Alta Disponibilidad:** Activo")
 
@@ -1170,11 +906,8 @@ if submitted:
         current_query = query_input.strip()
         st.session_state.user_query = current_query
         st.session_state.has_searched = True
-        st.session_state.analysis_cache = {}
-        st.session_state.search_results = None
-        st.session_state.entities = None
 
-        with st.spinner("🔍 Analizando pistas con Gemini..."):
+        with st.spinner("🔍 Analizando caso con corta-fuegos activado..."):
             raw_entities = extract_entities_with_gemini(current_query)
             reinforced = reinforce_entities_with_keywords(raw_entities, current_query, FOOD_TO_COMPOUND_MAP, MASTER_SYMPTOM_MAP)
             final_symptoms = translate_symptoms_local(reinforced.get("sintomas", []), MASTER_SYMPTOM_MAP)
@@ -1188,41 +921,32 @@ if submitted:
                 if local_hypothesis:
                     results = [{'entry': local_hypothesis, 'score': {'total': 50}, 'matched_keywords': []}]
 
-            if not results:
-                ai_hypothesis = generate_ai_hypothesis_on_the_fly(current_query, final_entities)
-                if ai_hypothesis:
-                    results = [{'entry': ai_hypothesis, 'score': {'total': 50}, 'matched_keywords': []}]
-
             st.session_state.search_results = results if results else []
 
-            # Pre-cálculo de pestañas en sesión para acelerar la navegación y evitar estado "pensando"
             if st.session_state.search_results:
                 best_match = st.session_state.search_results[0]['entry']
-                
-                # 1. Análisis clínico
+
+                # Pre-generación en segundo plano (imposible de bloquear la UI)
                 st.session_state.main_analysis = generate_detailed_analysis(
                     st.session_state.user_query, best_match,
                     st.session_state.entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP
                 )
-                
-                # 2. Neuroinforme
+
                 st.session_state.neuro_text_cache = generate_neuro_report_text(
                     st.session_state.entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP
                 )
-                
-                # 3. Informe Molecular
+
                 st.session_state.mol_text_cache = generate_molecular_report_text(
                     best_match, st.session_state.entities, foodb_index, foodb_lower_map,
                     FOOD_NAME_TO_FOODB_KEY, COMPOUND_SYNONYM_MAP, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP
                 )
 
-                # 4. Informe Word
                 st.session_state.word_bytes_cache = generate_word_report(f"REPORTE DE SALUD\n\n{st.session_state.main_analysis}")
 
     else:
         st.warning("⚠️ Por favor describe tus síntomas o alimentos consumidos antes de analizar.")
 
-# --- DISPLAY DE RESULTADOS OPTIMIZADO ---
+# --- MOSTRAR RESULTADOS ---
 if st.session_state.has_searched:
     results = st.session_state.search_results
 
@@ -1238,10 +962,10 @@ if st.session_state.has_searched:
                 st.altair_chart(create_relevance_chart(results), use_container_width=True)
 
         with tab_neuro:
-            st.markdown(st.session_state.get('neuro_text_cache', 'No hay datos neuropsicológicos registrados.'))
+            st.markdown(st.session_state.get('neuro_text_cache', 'No hay datos neuropsicológicos.'))
 
         with tab_mol:
-            st.markdown(st.session_state.get('mol_text_cache', 'No hay datos moleculares registrados.'))
+            st.markdown(st.session_state.get('mol_text_cache', 'No hay datos moleculares.'))
 
         word_bytes = st.session_state.get('word_bytes_cache')
         if word_bytes:
@@ -1254,4 +978,4 @@ if st.session_state.has_searched:
             )
     else:
         st.warning("⚠️ No pudimos identificar una causa clara para este caso específico.")
-        st.info("Intenta reformular especificando el alimento y el síntoma. Ej: 'Siento [SÍNTOMA] cuando como [ALIMENTO]'.")
+        st.info("Intenta especificar el alimento y el síntoma. Ej: 'Siento [SÍNTOMA] cuando como [ALIMENTO]'.")