Update app.py

app.py

@@ -1,8 +1,8 @@
-# El Detective de Alimentos (Versión Actualizada a google-genai V3.0 by Jairo Alexander 
-# Diana Milena Soler Martinez desarrolladores)
+# El Detective de Alimentos (Versión Actualizada a google-genai V3.0 + Modo Local Automático 
+# by Jairo Alexander & Diana Milena Soler Martinez desarrolladores)
 import streamlit as st
-from google import genai # NUEVA LIBRERÍA
-from google.genai import types # TIPOS DE DATOS NUEVOS
+from google import genai
+from google.genai import types
 import os
 import json
 import logging
@@ -44,20 +44,18 @@ def get_gemini_client():
             APIkeydetective = os.getenv("APIkeydetective")
             
         if not APIkeydetective:
-            st.error("No se encontró la APIkeydetective.")
+            logger.warning("No se encontró la APIkeydetective. Se usará el modo local automático.")
             return None
         
         return genai.Client(
             api_key=APIkeydetective,
-            http_options=types.HttpOptions(timeout=30000) # 30 segundos
+            http_options=types.HttpOptions(timeout=10000) # Timeout rápido (10 segundos)
         )
     except Exception as e:
-        st.error(f"❌ Error al configurar Gemini API: {e}")
+        logger.warning(f"Error al configurar Gemini API: {e}. Se usará el modo local.")
         return None
 
 client = get_gemini_client()
-if not client:
-    st.stop()
 
 # --- CARGA ULTRA-RÁPIDA DE DATOS ---
 @st.cache_resource
@@ -97,6 +95,7 @@ FOOD_TO_COMPOUND_MAP = {
     "pan": ["gluten", "fodmaps"],
     "trigo": ["gluten", "fodmaps"],
     "vino": ["histamina", "tiramina", "sulfitos"],
+    "vino tinto": ["histamina", "tiramina", "sulfitos", "taninos"],
     "cerveza": ["gluten", "histamina", "sulfitos"],
     "chocolate": ["tiramina", "feniletilamina", "histamina"],
     "tomate": ["histamina", "solanina"],
@@ -112,7 +111,7 @@ FOOD_TO_COMPOUND_MAP = {
     "cholado": ["fructosa", "lactosa", "histamina", "azúcar refinado"]
 }
 
-# --- SEGURO LÓGICO DE INCOMPATIBILIDAD BIOQUÍMICA ---
+# --- SEGURO LÓGICO DE INCOMPATIBILIDAD BIOQUÍMICA Y FÁRMACOS ---
 STRICT_COMPOUND_TRIGGERS = {
     "cafeína": ["cafeína", "caffeine", "café"],
     "gluten": ["gluten", "trigo", "cebada", "centeno"],
@@ -123,18 +122,28 @@ STRICT_COMPOUND_TRIGGERS = {
     "solanina": ["solanina", "solanine"]
 }
 
-def validar_seguro_logico(entry, user_foods, food_compound_map):
+DRUG_KEYWORDS = ["fármaco", "farmaco", "medicamento", "imao", "remedio", "pastilla", "tratamiento", "antidepresiv"]
+
+def validar_seguro_logico(entry, user_foods, user_query, food_compound_map):
     if not user_foods:
         return True
 
+    user_query_clean = user_query.lower() if user_query else ""
+    texto_condicion = (entry.get("condicion_asociada", "") + " " + entry.get("compuesto_alimento", "")).lower()
+
+    # REGLA 1: Descartar interacciones de medicamentos/IMAO si el usuario no los mencionó
+    if any(k in texto_condicion for k in ["fármaco", "farmaco", "imao", "interacción fármaco"]):
+        if not any(dk in user_query_clean for dk in DRUG_KEYWORDS):
+            logger.info(f"🚩 SEGURO LÓGICO ACTIVADO: Se descartó interacción fármaco/IMAO porque el usuario no mencionó medicamentos.")
+            return False
+
+    # REGLA 2: Validar compuestos estrictos
     user_compounds = set()
     for food in user_foods:
         food_clean = food.lower().strip()
         user_compounds.update(food_compound_map.get(food_clean, []))
         user_compounds.add(food_clean)
 
-    texto_condicion = (entry.get("condicion_asociada", "") + " " + entry.get("compuesto_alimento", "")).lower()
-
     for compound_key, synonyms in STRICT_COMPOUND_TRIGGERS.items():
         if any(syn in texto_condicion for syn in synonyms):
             tiene_compuesto = any(
@@ -173,7 +182,7 @@ MASTER_SYMPTOM_MAP = {
         "keywords_en": ["bloating", "distension", "flatulence", "swelling"]
     },
     "dolor de cabeza": {
-        "frases_es": ["dolor de cabeza", "migraña", "cefalea", "jaqueca"],
+        "frases_es": ["dolor de cabeza", "migraña", "cefalea", "jaqueca", "me duele la cabeza"],
         "keywords_en": ["headache", "migraine"]
     },
     "ansiedad": {
@@ -198,6 +207,7 @@ FOOD_NAME_TO_FOODB_KEY = {
     "yogur": ["yogurt", "yoghurt"],
     "mantequilla": ["butter"],
     "vino": ["wine"],
+    "vino tinto": ["wine", "red wine"],
     "cerveza": ["beer"],
     "chocolate": ["chocolate", "cocoa"],
     "tomate": ["tomato"],
@@ -230,12 +240,16 @@ INTEGRATED_NEURO_FOOD_MAP = {
         "fuentes_comunes": ["trigo", "cebolla", "ajo", "legumbres", "manzanas", "miel"]
     },
     "tiramina": {
-        "efecto_neuropsicologico": "Amina vasoactiva que altera el tono vascular cerebral, siendo un potente desencadenante de migrañas y cefaleas pulsátiles.",
+        "efecto_neuropsicologico": "Amina vasoactiva de acción simpaticomimética indirecta. Provoca vasoconstricción inicial seguida de vasodilatación cerebral, siendo uno de los principales desencadenantes de cefaleas y migrañas pulsátiles.",
         "fuentes_comunes": ["quesos madurados", "vino tinto", "embutidos", "alimentos fermentados"]
     },
     "histamina": {
-        "efecto_neuropsicologico": "Neurotransmisor estimulante central. Su exceso por baja degradación causa insomnio, fragmentación del sueño, ansiedad y migrañas.",
-        "fuentes_comunes": ["queso", "vino", "tomate", "pescado azul", "jugo de naranja", "alimentos conservados"]
+        "efecto_neuropsicologico": "Neurotransmisor estimulante central. Su exceso por bajo DAO o consumo elevado provoca migrañas, insomnio, fragmentación del sueño, ansiedad y vasodilatación cerebral.",
+        "fuentes_comunes": ["queso", "vino tinto", "vino", "tomate", "pescado azul", "jugo de naranja"]
+    },
+    "sulfitos": {
+        "efecto_neuropsicologico": "Conservantes orgánicos que inducen estrés oxidativo, vasodilatación periférica y liberación de histamina, manifestándose frecuentemente como dolores de cabeza e pesadez cerebral.",
+        "fuentes_comunes": ["vino tinto", "vino", "cerveza", "frutos secos desecados"]
     },
     "cafeína": {
         "efecto_neuropsicologico": "Bloquea los receptores de adenosina en el cerebro. En dosis altas o personas sensibles provoca hiperactivación del SNC, ansiedad e insomnio.",
@@ -252,25 +266,45 @@ INTEGRATED_NEURO_FOOD_MAP = {
     "fructosa": {
         "efecto_neuropsicologico": "La sobrecarga o malabsorción de fructosa disminuye la biodisponibilidad de triptófano en el intestino, interfiriendo en la síntesis de serotonina y melatonina (desregulando el sueño).",
         "fuentes_comunes": ["jugo de naranja", "frutas muy dulces", "miel", "jarabe de maíz"]
-    },
-    "sulfitos": {
-        "efecto_neuropsicologico": "Pueden inducir estrés oxidativo y respuesta histaminérgica, manifestándose como embotamiento cerebral y cefaleas.",
-        "fuentes_comunes": ["vino", "cerveza", "frutos secos desecados"]
-    },
-    "saponinas": {
-        "efecto_neuropsicologico": "Aumentan la permeabilidad intestinal ('intestino permeable'), facilitando la migración de lipopolisacáridos e induciendo neuroinflamación.",
-        "fuentes_comunes": ["quinoa", "legumbres", "soja"]
-    },
-    "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.",
-        "fuentes_comunes": ["tomate", "patata", "berenjena"]
     }
 }
 
+# --- GENERADOR DE INFORME LOCAL AUTOMÁTICO (SIN IA) ---
+def generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map):
+    saludo = "### 📋 Informe de Análisis Clínico-Nutricional (Modo Local / Alta Disponibilidad)\n"
+    hipotesis = f"**Hipótesis Probable:** Es muy probable que tus síntomas estén relacionados con **{match.get('condicion_asociada', 'una sensibilidad a compuestos alimentarios')}**.\n"
+    
+    user_foods = entities.get("alimentos", [])
+    user_symptoms = entities.get("sintomas", [])
+    
+    compuestos_detectados = set()
+    for food in user_foods:
+        comps = food_compound_map.get(food.lower().strip(), [])
+        if comps:
+            compuestos_detectados.update(comps)
+            
+    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"
+    
+    detalles_compuestos = []
+    for comp in compuestos_detectados:
+        if comp in neuro_map:
+            detalles_compuestos.append(f"- **{comp.capitalize()}**: {neuro_map[comp]['efecto_neuropsicologico']}")
+            
+    if detalles_compuestos:
+        causa += "\n**Mecanismo bioquímico e impacto neurológico:**\n" + "\n".join(detalles_compuestos) + "\n"
+    elif match.get('mecanismo_fisiologico'):
+        causa += f"\n**Mecanismo fisiológico:** {match.get('mecanismo_fisiologico')}\n"
+
+    evitar = f"\n### 🛑 Alimentos a Moderar o Evitar\n- **Alimentos evaluados:** {', '.join(user_foods).capitalize()}\n- Alimentos ricos en **{compuestos_str}** o fermentados que contengan aminas vasoactivas similares.\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 verificar la remisión del síntoma.\n- Consultar con un nutricionista funcional o médico especialista si las molestias persisten.\n"
+    
+    consejo = "\n### 📌 Consejo Práctico Final\nCada organismo posee una capacidad individual diferente para metabolizar aminas e histamina según la actividad de enzimas como la DAO (Diamino Oxidasa) o la MAO-MTHFR.\n"
+    
+    return saludo + hipotesis + causa + evitar + alternativas + consejo + TEXTO_BANDERAS_ROJAS
+
 # --- FUNCIONES DE APOYO Y EXTRACCIÓN ---
 @st.cache_data(show_spinner=False)
 def generate_word_report_cached(report_text):
@@ -315,7 +349,6 @@ def extract_keywords(text):
     words = re.findall(r'\b\w+\b', sanitize_text(text))
     return set(w for w in words if w not in STOPWORDS_ES and len(w) > 2)
 
-@retry(wait=wait_fixed(2), stop=stop_after_attempt(2))
 def extract_entities_with_gemini(query):
     gemini_client = get_gemini_client()
     if not gemini_client: return {"alimentos": [], "sintomas": []}
@@ -323,8 +356,8 @@ def extract_entities_with_gemini(query):
     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, forma simple (ej: "jugo de naranja", "queso", "vino").
-    - "sintomas": lista de síntomas mencionados en español, forma clínica simple (ej: "insomnio", "dolor de cabeza", "hinchazón").
+    - "alimentos": lista de alimentos o bebidas mencionados en español, forma simple (ej: "vino tinto", "queso", "jugo de naranja").
+    - "sintomas": lista de síntomas mencionados en español, forma clínica simple (ej: "dolor de cabeza", "insomnio", "hinchazón").
 
     Input: "{query}"
     Output (JSON estricto):
@@ -339,7 +372,7 @@ def extract_entities_with_gemini(query):
         elif "```" in text: text = text.split("```")[1].split("```")[0]
         return json.loads(text)
     except Exception as e:
-        logger.error(f"Error en extracción: {e}")
+        logger.warning(f"Extracción por IA no disponible ({e}). Se usa extracción por diccionario.")
         return {"alimentos": [], "sintomas": []}
 
 def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_map):
@@ -376,7 +409,7 @@ def translate_symptoms_local(symptoms_list, master_symptom_map):
             translated_symptoms.add(symptom)
     return list(translated_symptoms)
 
-def find_best_matches_hybrid(entities, data, food_compound_map=None):
+def find_best_matches_hybrid(entities, data, user_query="", food_compound_map=None):
     if not entities or not data: return []
     user_symptoms_list = entities.get("sintomas", [])
     user_foods_list = entities.get("alimentos", [])
@@ -394,7 +427,7 @@ def find_best_matches_hybrid(entities, data, food_compound_map=None):
     results = []
     for entry in data:
         # SEGURO LÓGICO
-        if food_compound_map and not validar_seguro_logico(entry, user_foods_list, food_compound_map):
+        if food_compound_map and not validar_seguro_logico(entry, user_foods_list, user_query, food_compound_map):
             continue
 
         db_food_keywords = extract_keywords(entry.get("compuesto_alimento", ""))
@@ -445,7 +478,7 @@ def build_local_hypothesis(entities, food_compound_map, neuro_map):
     alimentos_str = ", ".join(alimentos_unicos)
 
     if es_dolor_cabeza:
-        condicion = f"Posible migraña o cefalea alimentaria por sensibilidad a aminas vasoactivas ({compuestos_str})"
+        condicion = f"Cefalea o migraña por aminas vasoactivas / compuestos ({compuestos_str}) en {alimentos_str}"
     elif es_insomnio:
         condicion = f"Alteración del sueño / insomnio por respuesta a {compuestos_str} presente en {alimentos_str}"
     else:
@@ -493,10 +526,13 @@ def find_best_foodb_matches(user_foods_es, _foodb_index, _foodb_lower_map, food_
 
     return unique[:limit]
 
-@retry(wait=wait_fixed(2), stop=stop_after_attempt(2))
 def generate_detailed_analysis(query, match, entities=None, food_compound_map=None, neuro_map=None):
     gemini_client = get_gemini_client()
-    if not gemini_client: return "Error: IA no disponible."
+    
+    # MODO LOCAL AUTOMÁTICO SI LA API NO ESTÁ DISPONIBLE
+    if not gemini_client:
+        logger.info("Usando informe local por falta de cliente Gemini API.")
+        return generate_local_fallback_analysis(query, match, entities, food_compound_map, neuro_map)
 
     compound_context = ""
     if entities and food_compound_map and neuro_map:
@@ -519,7 +555,7 @@ def generate_detailed_analysis(query, match, entities=None, food_compound_map=No
     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: histamina, fructosa, tiramina, gluten).
+    3. Explicación de las moléculas responsables (ej: histamina, tiramina, sulfitos, fructosa, gluten).
     4. Mecanismo fisiológico en términos sencillos.
     5. Alimentos a evitar o moderar.
     6. Alternativas o reemplazos sugeridos.
@@ -533,8 +569,8 @@ def generate_detailed_analysis(query, match, entities=None, food_compound_map=No
         )
         return response.text + TEXTO_BANDERAS_ROJAS
     except Exception as e:
-        logger.error(f"Error análisis: {e}")
-        return "No se pudo generar el análisis detallado. Intenta de nuevo."
+        logger.warning(f"Error o timeout en Gemini API ({e}). Se activa la respuesta automática 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"]
@@ -624,7 +660,7 @@ with st.form(key="search_form", clear_on_submit=False):
     query_input = st.text_area(
         "Tu Caso:", 
         height=150, 
-        placeholder="Ej: Cuando tomo mucho jugo de naranja no puedo dormir.",
+        placeholder="Ej: Si tomo mucho vino tinto me duele la cabeza.",
         key="input_query_text"
     )
     submitted = st.form_submit_button("Analizar Caso", type="primary")
@@ -634,7 +670,7 @@ 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 = {} # Limpiar análisis previo
+        st.session_state.analysis_cache = {}
         st.session_state.search_results = None
         st.session_state.entities = None
         
@@ -645,7 +681,7 @@ if submitted:
             final_entities = {"alimentos": reinforced.get("alimentos", []), "sintomas": final_symptoms}
             st.session_state.entities = final_entities
             
-            results = find_best_matches_hybrid(final_entities, alimentos_data, FOOD_TO_COMPOUND_MAP)
+            results = find_best_matches_hybrid(final_entities, alimentos_data, current_query, FOOD_TO_COMPOUND_MAP)
 
             if not results:
                 local_hypothesis = build_local_hypothesis(final_entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP)
@@ -656,7 +692,7 @@ if submitted:
     else:
         st.warning("⚠️ Por favor describe tus síntomas o alimentos consumidos antes de analizar.")
 
-# --- DISPLAY DE RESULTADOS INDEPENDIENTE Y REUTILIZABLE ---
+# --- DISPLAY DE RESULTADOS REUTILIZABLE ---
 if st.session_state.has_searched:
     results = st.session_state.search_results
     
@@ -664,7 +700,6 @@ if st.session_state.has_searched:
         best_match = results[0]['entry']
         st.success(f"🔎 Coincidencia Principal: **{best_match.get('condicion_asociada')}**")
         
-        # Clave de caché única por consulta y condición
         cache_key = f"analysis_{hash(st.session_state.user_query)}_{best_match.get('condicion_asociada')}"
         if cache_key not in st.session_state.analysis_cache:
             with st.spinner("✍️ Redactando informe..."):