Update app.py

app.py

@@ -664,39 +664,162 @@ def build_local_hypothesis(entities, food_compound_map, neuro_map):
         "sintomas_clave": user_symptoms,
         "es_hipotesis_local": True
     }
+def get_compounds_for_food(food_name, food_map):
+    """
+    Buscador e Inferidor Universal de Compuestos:
+    1. Coincidencia exacta.
+    2. Limpieza de plurales.
+    3. Búsqueda por subcadena.
+    4. INFERENCIA UNIVERSAL DE CLASES: Si el alimento es totalmente nuevo, 
+       deduce sus compuestos por su familia biológica (carnes, mariscos, frutas, lácteos, etc.).
+    """
+    if not food_name: return []
+    food_clean = food_name.lower().strip()
+    
+    # 1. Coincidencia exacta
+    if food_clean in food_map:
+        return food_map[food_clean]
+        
+    # 2. Limpieza 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. Búsqueda por subcadena en el diccionario
+    matched_compounds = set()
+    for key, compounds in food_map.items():
+        if key in food_clean or food_clean in key:
+            matched_compounds.update(compounds)
+    if matched_compounds:
+        return list(matched_compounds)
+
+    # 4. INFERENCIA UNIVERSAL DE CLASES PARA ALIMENTOS NO REGISTRADOS
+    inferred = set()
+    if any(w in food_clean for w in ["carne", "cerdo", "res", "pollo", "pavo", "cordero", "pato", "chicharrón", "tocino"]):
+        inferred.update(["histamina", "purinas", "proteínas"])
+    elif any(w in food_clean for w in ["pescado", "atún", "marisco", "camarón", "sardina", "langostino", "pulpo"]):
+        inferred.update(["histamina", "purinas", "albúmina"])
+    elif any(w in food_clean for w in ["jugo", "zumo", "batido", "fruta", "licuado"]):
+        inferred.update(["fructosa", "salicilatos", "histamina", "fenoles"])
+    elif any(w in food_clean for w in ["queso", "leche", "crema", "yogur", "mantequilla"]):
+        inferred.update(["caseína", "lactosa", "histamina", "tiramina"])
+    elif any(w in food_clean for w in ["pan", "galleta", "pasta", "harina", "bizcocho", "tortilla"]):
+        inferred.update(["gluten", "fodmaps"])
+    elif any(w in food_clean for w in ["frijol", "lenteja", "garbanzo", "legumbre", "soja"]):
+        inferred.update(["lectinas", "fitatos", "fodmaps", "saponinas"])
+    elif any(w in food_clean for w in ["salsa", "sazonador", "aderezo", "caldo", "adobo"]):
+        inferred.update(["glutamato", "histamina", "sulfitos"])
+
+    return list(inferred)
+
+def build_local_hypothesis(entities, food_compound_map, neuro_map):
+    """
+    Generador Local Universal de Hipótesis:
+    Construye diagnósticos para dermatología (piel/alergias), neurología, 
+    gastroenterología, insomnio y síntomas generales.
+    """
+    user_foods = entities.get("alimentos", [])
+    user_symptoms = entities.get("sintomas", [])
+    if not user_foods or not user_symptoms:
+        return None
+
+    symptom_text = " ".join(user_symptoms).lower()
+    
+    # Categorización clínica del síntoma predominante
+    es_dermatologico = any(k in symptom_text for k in ["piel", "rasca", "picazón", "picazon", "manchas", "urticaria", "erupción", "alergia", "ronchas", "granitos"])
+    es_cefalea = any(k in symptom_text for k in ["dolor de cabeza", "migraña", "cefalea", "jaqueca"])
+    es_insomnio = any(k in symptom_text for k in ["insomnio", "no puedo dormir", "sueño", "desvelado"])
+    es_gastro = any(k in symptom_text for k in ["hinchazón", "hinchazon", "gases", "diarrea", "dolor abdominal", "retortijón", "cólico"])
+
+    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}) presente en {food}')
+            candidates.append({"alimento": food, "compuesto": compound, "efecto": effect})
+
+    if not candidates:
+        alimentos_str = ", ".join(user_foods).capitalize()
+        sintomas_str = ", ".join(user_symptoms)
+        return {
+            "condicion_asociada": f"Sensibilidad o Intolerancia Alimentaria a {alimentos_str}",
+            "mecanismo_fisiologico": f"Respuesta inmunológica o enzimática a los componentes 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_str = ", ".join(compuestos_unicos)
+    alimentos_str = ", ".join(alimentos_unicos).capitalize()
+
+    # Construcción sintáctica dinámica por sistema orgánico
+    if es_dermatologico:
+        condicion = f"Reacción Histaminérgica / Dermatológica por {compuestos_str} en {alimentos_str}"
+    elif es_cefalea:
+        condicion = f"Cefalea o Migraña por Aminas Vasoactivas / Compuestos ({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_gastro:
+        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)))
+
+    return {
+        "condicion_asociada": condicion,
+        "mecanismo_fisiologico": mecanismo,
+        "compuesto_alimento": f"{alimentos_str} ({compuestos_str})",
+        "sintomas_clave": user_symptoms,
+        "es_hipotesis_local": True
+    }
+
+
 
 def generate_ai_hypothesis_on_the_fly(query, entities):
+    """
+    Agente Rescatador Universal por IA:
+    Sintetiza una hipótesis clínica para CUALQUIER caso, alimento o síntoma no registrado localmente.
+    """
     gemini_client = get_gemini_client()
     if not gemini_client: return None
     
-    prompt = f"""
-    Rol: Experto en Nutrición Funcional e Inmunología de Alimentos.
-    Caso del paciente: "{query}"
-    Alimentos detectados: {entities.get('alimentos')}
-    Síntomas detectados: {entities.get('sintomas')}
-
-    Genera un JSON estricto con la hipótesis clínica para este caso:
-    {{
-        "condicion_asociada": "Nombre conciso de la condición (ej: Distensión Abdominal e Intolerancia a FODMAPs por Frijoles en Bandeja Paisa)",
-        "mecanismo_fisiologico": "Explicación concisa del exceso de galactanos/FODMAPs y fermentación intestinal",
-        "compuesto_alimento": "Alimentos y compuestos responsables principales",
-        "sintomas_clave": {entities.get('sintomas')}
-    }}
-    Devuelve SOLO el JSON estricto.
-    """
+    foods = entities.get('alimentos', [])
+    symptoms = entities.get('sintomas', [])
+    
+    foods_text = ", ".join(foods) if foods else "alimentos mencionados en la consulta"
+    symptoms_text = ", ".join(symptoms) if symptoms else "síntomas expresados por el paciente"
+    
+    prompt = (
+        "Rol: Médico Especialista en Nutrición Funcional e Inmunología de Alimentos.\n"
+        f'Consulta del paciente: "{query}"\n'
+        f"Alimentos clave: {foods_text}\n"
+        f"Síntomas clave: {symptoms_text}\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 celular o enzimático subyacente.\n'
+        '3. "compuesto_alimento": Nombre de los alimentos y las moléculas responsables.\n'
+        f'4. "sintomas_clave": {json.dumps(symptoms if symptoms else ["malestar"])}\n\n'
+        "Devuelve ÚNICAMENTE el código JSON válido, sin bloques de código markdown ni texto adicional."
+    )
     try:
         response = gemini_client.models.generate_content(
             model='gemini-2.5-flash-lite',
             contents=prompt
         )
-        text = response.text
-        if "```json" in text: text = text.split("```json")[1].split("```")[0]
-        elif "```" in text: text = text.split("```")[1].split("```")[0]
-        data = json.loads(text)
+        raw = response.text.strip()
+        if "```json" in raw: raw = raw.split("```json")[1].split("```")[0]
+        elif "```" in raw: raw = raw.split("```")[1].split("```")[0]
+        data = json.loads(raw.strip())
         data["es_hipotesis_local"] = True
         return data
     except Exception as e:
-        logger.error(f"Error generando hipótesis por IA: {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):