Update app.py

app.py

@@ -1,5 +1,5 @@
-# ====================    Buscador de Intolerancias Alimentarias (Versión Híbrida 2.1)  =====================================
-# Incluye manejo de casos donde no se encuentran coincidencias.
+# ====================    El Detective de Alimentos (Versión 3.0 - Refinada)  =====================================
+# Mejoras: Base de conocimiento de alimentos expandida, búsqueda de síntomas flexible y generación de respuestas mejorada.
 
 import streamlit as st
 import google.generativeai as genai
@@ -17,7 +17,7 @@ st.set_page_config(
 
 # Configurar logging
 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
-logger = logging.getLogger("food_intolerance_app")
+logger = logging.getLogger("food_detective_app")
 
 # --- CONFIGURACIÓN DE GEMINI ---
 try:
@@ -74,45 +74,42 @@ def load_data():
 
 alimentos_data, lista_condiciones = load_data()
 
-# Mapeo expandido de alimentos a compuestos.
+# DICCIONARIO DE TRADUCCIÓN AMPLIADO
 FOOD_TO_COMPOUND_MAP = {
-    "pan": ["gluten"], "trigo": ["gluten"], "harina de trigo": ["gluten"], "cebada": ["gluten"], "centeno": ["gluten"], "pasta": ["gluten"], "galletas": ["gluten"], "avena": ["gluten"],
-    "leche": ["lácteos", "caseína", "lactosa"], "queso": ["lácteos", "caseína", "lactosa", "histamina", "tiramina"], "yogur": ["lácteos", "caseína", "lactosa"], "mantequilla": ["lácteos", "caseína", "lactosa"],
-    "manzana": ["salicilatos", "fructosa"], "almendras": ["salicilatos"], "uvas": ["salicilatos"], "vino tinto": ["histamina", "tiramina", "sulfitos"], "vino rojo": ["histamina", "tiramina", "sulfitos"],
+    # Gluten
+    "pan": ["gluten"], "trigo": ["gluten"], "harina de trigo": ["gluten"], "cebada": ["gluten"], 
+    "centeno": ["gluten"], "pasta": ["gluten"], "galletas": ["gluten"], "avena": ["gluten"], "pizza": ["gluten"], "torta": ["gluten"],
+    # Lácteos
+    "leche": ["lácteos", "caseína", "lactosa"], "queso": ["lácteos", "caseína", "lactosa", "histamina", "tiramina"], 
+    "yogur": ["lácteos", "caseína", "lactosa"], "mantequilla": ["lácteos", "caseína", "lactosa"], "crema": ["lácteos"], "helado": ["lácteos"],
+    # Fenoles y Salicilatos
+    "manzana": ["salicilatos", "fructosa"], "almendras": ["salicilatos"], "uvas": ["salicilatos"], "pasas": ["salicilatos"], 
+    "naranja": ["salicilatos"], "brócoli": ["salicilatos", "goitrógenos"], "cúrcuma": ["salicilatos"],
+    # Azúcares y Fructosa
     "azucar": ["azúcar", "fructosa"], "dulces": ["azúcar"], "refrescos": ["azúcar", "fructosa"], "gaseosas": ["azúcar", "fructosa"],
-    "embutidos": ["histamina", "tiramina", "nitritos"], "carne": ["alfa-gal", "proteínas", "purinas"], "carnes rojas": ["purinas", "alfa-gal"],
-    "mariscos": ["purinas", "sulfitos", "alérgenos"]
+    "miel": ["fructosa"], "jarabe de maiz": ["fructosa"],
+    # Aminas (Histamina, Tiramina)
+    "vino tinto": ["histamina", "tiramina", "sulfitos"], "vino rojo": ["histamina", "tiramina", "sulfitos"],
+    "cerveza": ["histamina", "tiramina", "purinas"], "chocolate": ["cafeína", "tiramina", "níquel"],
+    "embutidos": ["histamina", "tiramina", "nitritos"], "pescado enlatado": ["histamina"], "tomate": ["histamina", "solaninas"],
+    # Otros
+    "carne": ["alfa-gal", "proteínas", "purinas", "hierro"], "carnes rojas": ["purinas", "alfa-gal", "hierro"],
+    "mariscos": ["purinas", "sulfitos", "alérgenos", "yodo"], "huevo": ["alérgenos"], "soya": ["alérgenos"],
+    "café": ["cafeína", "ácidos"]
 }
 
-# --- LÓGICA DE BÚSQUEDA Y ANÁLISIS (ENFOQUE HÍBRIDO) ---
+# --- LÓGICA DE BÚSQUEDA Y ANÁLISIS (ENFOQUE HÍBRIDO REFINADO) ---
 
 def extract_and_infer_with_gemini(query, condiciones):
-    """Usa Gemini para extraer alimentos, síntomas E INFERIR una condición probable."""
+    """Extrae entidades e infiere una condición probable."""
     if not model: return None
-    
     condiciones_str = "\n".join([f"- {c}" for c in condiciones])
-    
     system_prompt = f"""
-    Eres un asistente de triaje clínico experto. Tu tarea es analizar la consulta de un usuario y extraer tres tipos de información:
-    1.  `alimentos`: Una lista de los alimentos que el usuario menciona haber consumido.
-    2.  `sintomas`: Una lista de los síntomas que el usuario describe, normalizados a un término común (ej: "hinchazón abdominal", "dolor de cabeza").
-    3.  `condicion_probable`: Tu mejor inferencia sobre cuál de las siguientes condiciones podría explicar los síntomas del usuario. Elige solo una de la lista.
+    Eres un asistente de triaje clínico. Analiza la consulta, extrae 'alimentos', 'sintomas' (normalizados) y la 'condicion_probable' más relevante de la lista proporcionada. Devuelve solo un JSON. Si no puedes inferir una condición, déjalo como un string vacío.
 
     LISTA DE CONDICIONES POSIBLES:
     {condiciones_str}
 
-    Devuelve la respuesta ÚNICAMENTE en formato JSON. Si no puedes inferir una condición, deja el campo como un string vacío "".
-
-    Ejemplo 1:
-    Consulta: "Cuando como mucha carne me duele el dedo gordo del pie."
-    Respuesta:
-    {{
-      "alimentos": ["carne"],
-      "sintomas": ["dolor en el dedo gordo del pie"],
-      "condicion_probable": "Gota / Hiperuricemia."
-    }}
-    
-    Ahora, analiza la siguiente consulta:
     Consulta: "{query}"
     """
     try:
@@ -125,11 +122,11 @@ def extract_and_infer_with_gemini(query, condiciones):
         return json.loads(json_text)
     except Exception as e:
         logger.error(f"Error en la extracción/inferencia con Gemini: {e}")
-        st.error(f"Hubo un problema al interpretar tu consulta con la IA. Error: {e}")
+        st.error(f"Hubo un problema al interpretar tu consulta con la IA.")
         return None
 
 def find_best_matches_hybrid(entities, data):
-    """Motor de búsqueda híbrido (v2.1) con puntuación ponderada y mayor autoridad para la inferencia de la IA."""
+    """Motor de búsqueda híbrido (v3.0) con puntuación ponderada y búsqueda de síntomas flexible."""
     if not entities or not data: return []
     
     user_symptoms = set(s.lower().strip() for s in entities.get("sintomas", []))
@@ -145,19 +142,23 @@ def find_best_matches_hybrid(entities, data):
     for index, entry in enumerate(data):
         score = 0
         
+        # Ponderación 1: Coincidencia de Condición
         entry_condition = entry.get("condicion_asociada", "").lower().strip()
         if inferred_condition and inferred_condition == entry_condition:
             score += 100
 
+        # Ponderación 2: Coincidencia de Alimentos/Compuestos
         entry_compounds_text = entry.get("compuesto_alimento", "").lower()
         if any(term in entry_compounds_text for term in candidate_terms):
             score += 20
             
+        # Ponderación 3: Coincidencia de Síntomas (BÚSQUEDA FLEXIBLE)
         entry_symptoms_keys = set(s.lower().strip() for s in entry.get("sintomas_clave", []))
-        # Para hacer la coincidencia más flexible
         for user_symptom in user_symptoms:
-            if any(key in user_symptom for key in entry_symptoms_keys) or any(user_symptom in key for key in entry_symptoms_keys):
-                score += 5
+            for key in entry_symptoms_keys:
+                if key in user_symptom or user_symptom in key:
+                    score += 5
+                    break # Evita sumar puntos múltiples veces por el mismo síntoma de usuario
         
         if score > 0:
             scores[index] = score
@@ -168,23 +169,41 @@ def find_best_matches_hybrid(entities, data):
     return [data[i] for i in sorted_matches_indices]
 
 def generate_detailed_analysis(query, match):
-    """Genera la explicación final para el usuario."""
+    """Genera la explicación final para el usuario (PROMPT MEJORADO)."""
     if not model: return "Error: El modelo de IA no está disponible."
+    
     prompt = f"""
-    Eres un asistente de IA experto en nutrición y bienestar, con un tono claro, empático y educativo.
-    Un usuario ha descrito el siguiente caso: "{query}"
-    Basado en esto, nuestro sistema ha encontrado una posible coincidencia con:
-    - **Compuesto Intolerante:** {match.get("compuesto_alimento")}
-    - **Síntomas Comunes:** {match.get("sintomas_clinicos")}
-    - **Condición Asociada:** {match.get("condicion_asociada")}
-    - **Mecanismo Fisiológico:** {match.get("mecanismo_fisiologico")}
-    - **Recomendaciones Generales:** {match.get("recomendaciones_examenes")}
-
-    **Tu Tarea:** Redacta una respuesta completa y estructurada para el usuario usando Markdown:
-    1.  **Posible Causa:** Resume por qué sus síntomas podrían estar relacionados con esta condición.
-    2.  **¿Qué podría estar pasando en tu cuerpo?:** Explica el "Mecanismo Fisiológico" en términos sencillos.
-    3.  **Pasos a Seguir y Recomendaciones:** Presenta las "Recomendaciones" como sugerencias, mencionando otros alimentos a tener en cuenta del campo "compuesto_alimento".
-    4.  **Descargo de Responsabilidad Médico:** Incluye OBLIGATORIAMENTE un párrafo final claro y visible que indique que NO es un diagnóstico médico y que debe consultar a un profesional.
+    Eres un asistente de IA experto en nutrición y bienestar. Tu tono es empático, claro y muy educativo. NO actúas como un médico, sino como un guía informativo.
+    
+    El usuario te ha contado esto: "{query}"
+
+    Tu sistema ha encontrado la siguiente posible conexión:
+    - Condición: {match.get("condicion_asociada")}
+    - Mecanismo: {match.get("mecanismo_fisiologico")}
+    - Recomendaciones: {match.get("recomendaciones_examenes")}
+    - Alimentos Implicados: {match.get("compuesto_alimento")}
+
+    **Tu Tarea:** Redacta una respuesta excepcional para el usuario usando Markdown. Sigue esta estructura OBLIGATORIAMENTE:
+    
+    ### Posible Causa: {match.get("condicion_asociada")}
+    
+    Hola. Entiendo que te preocupa lo que sientes después de comer. Basado en los síntomas y alimentos que mencionaste, como **[menciona aquí los síntomas y alimentos clave del 'query' del usuario]**, existe una posible relación con una condición conocida como **{match.get("condicion_asociada")}**.
+    
+    ### ¿Qué podría estar pasando en tu cuerpo?
+    
+    *Explica el campo "mecanismo_fisiologico" en términos muy sencillos. Usa una analogía si es posible. Por ejemplo, si es sobre Gota, explica las purinas y los cristales.*
+    
+    ### Pasos a Seguir y Recomendaciones
+    
+    Aquí te dejo algunas recomendaciones generales que se suelen considerar para esta condición. Es fundamental que las converses con un profesional de la salud:
+    
+    *   **[Punto 1 de las recomendaciones, reformulado como un consejo práctico]**
+    *   **[Punto 2 de las recomendaciones, enfocado en los exámenes si los hay]**
+    *   **Atención a otros alimentos:** Ten en cuenta que, además de lo que mencionaste, otros alimentos implicados en esta condición son: **[menciona 2-3 ejemplos del campo "compuesto_alimento", sin la lista completa]**.
+    
+    ### **IMPORTANTE: Descargo de Responsabilidad**
+    
+    Este análisis es una herramienta informativa y de orientación basada en inteligencia artificial. **NO es un diagnóstico médico.** La información proporcionada no debe sustituir la consulta, el diagnóstico o el tratamiento de un médico o profesional de la salud cualificado. Consulta siempre a un experto para evaluar tu caso particular.
     """
     try:
         response = model.generate_content(prompt)
@@ -237,7 +256,7 @@ if submitted:
                 st.session_state.search_results = results
         else:
             st.error("No se pudieron identificar alimentos o síntomas claros en tu descripción. Intenta ser un poco más específico.")
-            st.session_state.search_results = [] # Resetear a lista vacía
+            st.session_state.search_results = []
 
 if st.session_state.search_results is not None:
     st.button("Realizar nueva consulta", on_click=clear_search_state)
@@ -245,7 +264,6 @@ if st.session_state.search_results is not None:
     
     results = st.session_state.search_results
     
-    # --- AQUÍ ESTÁ LA NUEVA LÓGICA DE MANEJO DE "NO ENCONTRADO" ---
     if not results:
         st.warning(f"No se encontraron coincidencias claras en nuestra base de datos para tu caso: '{st.session_state.user_query}'.\n\n"
                    "**Sugerencias:**\n"
@@ -258,7 +276,7 @@ if st.session_state.search_results is not None:
         best_match = results[0]
         
         with st.expander(f"**Principal Coincidencia: {best_match.get('condicion_asociada')}**", expanded=True):
-            with st.spinner("✍️ Generando un análisis detallado con IA..."):
+            with st.spinner("✍️ Generando un análisis detallado y personalizado con IA..."):
                 detailed_analysis = generate_detailed_analysis(st.session_state.user_query, best_match)
                 st.markdown(detailed_analysis)