Update app.py

app.py

@@ -1,5 +1,5 @@
 # ==============================================================================
-# EL DETECTIVE DE ALIMENTOS - EDICIÓN HÍBRIDA MULTISISTÉMICA (10 SISTEMAS ORGÁNICOS)
+# EL DETECTIVE DE ALIMENTOS - EDICIÓN HÍBRIDA DE ALTA DISPONIBILIDAD
 # Desarrollado por: Jairo Alexander & Diana Milena Soler Martinez
 # Motor: Gemini 2.5 Flash Lite + FooDB.ca Graph + Fast-Path Local Engine
 # ==============================================================================
@@ -37,7 +37,7 @@ 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 CON VARIABLE GEMINI_API_KEY ---
+# --- CONFIGURACIÓN GEMINI CON LA VARIABLE GEMINI_API_KEY ---
 def get_gemini_client():
     api_key = os.getenv("GEMINI_API_KEY")
     
@@ -66,7 +66,7 @@ def get_gemini_client():
         logger.warning(f"❌ Error instanciando cliente Gemini: {e}")
         return None
 
-# --- CARGA ULTRA-RÁPIDA DE DATOS Y FOODB (CERO COPIA EN MEMORIA) ---
+# --- CARGA ULTRA-RÁPIDA DE DATOS Y FOODB ---
 @st.cache_resource
 def load_data():
     try:
@@ -95,7 +95,6 @@ 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 {}
@@ -446,7 +445,7 @@ COMPOUND_SYNONYM_MAP = {
     "proteínas": ["protein", "amino acid"]
 }
 
-# 10 CATEGORÍAS SINTOMÁTICAS MULTISISTÉMICAS
+# MAPA COMPLETO DE SÍNTOMAS (NUNCA DEJA VACÍA LA EXTRACCIÓN LOCAL)
 MASTER_SYMPTOM_MAP = {
     "dolor abdominal": {
         "frases_es": ["dolor de estómago", "dolor de panza", "dolor abdominal", "retortijones", "cólicos", "calambres abdominales", "gastritis", "acidez", "reflujo", "pesadez"],
@@ -456,6 +455,14 @@ MASTER_SYMPTOM_MAP = {
         "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"]
     },
+    "diarrea": {
+        "frases_es": ["diarrea", "diarreas", "soltura", "estómago suelto", "deposiciones líquidas", "deposiciones liquidas", "diarrea acuosa"],
+        "keywords_en": ["diarrhea", "loose stools"]
+    },
+    "náuseas": {
+        "frases_es": ["náuseas", "nauseas", "vómito", "vomito", "ganas de vomitar", "mareo digestivo"],
+        "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"],
         "keywords_en": ["headache", "migraine"]
@@ -473,7 +480,7 @@ MASTER_SYMPTOM_MAP = {
         "keywords_en": ["rash", "itching", "urticaria", "eczema"]
     },
     "reactividad respiratoria": {
-        "frases_es": ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "falta de aire", "congestión nasal", "stornudos", "rinitis"],
+        "frases_es": ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "falta de aire", "congestión nasal", "estornudos", "rinitis"],
         "keywords_en": ["asthma", "cough", "wheezing", "rhinitis"]
     },
     "respuesta cardiovascular": {
@@ -623,8 +630,8 @@ 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", "chontaduro", "bandeja paisa", "queso", "vino tinto").
-    - "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: "jugo de naranja", "chontaduro", "bandeja paisa", "queso", "leche", "vino tinto").
+    - "sintomas": lista de síntomas mencionados en español, forma clínica simple (ej: "insomnio", "dolor de cabeza", "hinchazón", "diarrea").
 
     Input: "{query}"
     Output (JSON estricto):
@@ -659,7 +666,7 @@ def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_m
         if match_jugo:
             current_foods.add(match_jugo.group(0))
         else:
-            match_tomo = re.search(r'\b(como|tomo|consumo|ingiero)\s+([a-zA-ZáéíóúñÁÉÍÓÚÑ\s]{3,20})\b', query_sanitized)
+            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:
@@ -673,6 +680,18 @@ def reinforce_entities_with_keywords(entities, query, food_map, master_symptom_m
             if phrase in query_sanitized:
                 current_symptoms.add(main_symptom)
                 break
+                
+    # EXTRAER SÍNTOMAS ADICIONALES POR PALABRAS CLAVE DIRECTAS
+    if not current_symptoms:
+        if any(w in query_sanitized for w in ["diarrea", "diarreas", "soltura", "líquida"]):
+            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
 
@@ -747,7 +766,7 @@ def build_local_hypothesis(entities, food_compound_map, neuro_map):
     es_neurologico = any(k in symptom_text for k in ["dolor de cabeza", "migraña", "cefalea", "jaqueca", "dolor de sien", "mareo", "vértigo", "vertigo", "neblina mental", "cabeza"])
     es_psicologico = any(k in symptom_text for k in ["ansiedad", "angustia", "nerviosismo", "depresión", "depresion", "irritabilidad", "desrealización", "desrealizacion", "agitación", "agitacion"])
     es_insomnio = any(k in symptom_text for k in ["insomnio", "no puedo dormir", "sueño", "desvelado", "desvelo", "despierto", "dormir"])
-    es_gastrointestinal = any(k in symptom_text for k in ["hinchazón", "hinchazon", "gases", "diarrea", "dolor abdominal", "retortijón", "retortijon", "cólico", "colico", "inflamado", "inflama", "pesadez", "estómago", "estomago", "náuseas", "nausea", "acidez", "reflujo"])
+    es_gastrointestinal = any(k in symptom_text for k in ["diarrea", "diarreas", "hinchazón", "hinchazon", "gases", "dolor abdominal", "retortijón", "retortijon", "cólico", "colico", "inflamado", "inflama", "pesadez", "estómago", "estomago", "náuseas", "nausea", "acidez", "reflujo"])
     es_dermatologico = any(k in symptom_text for k in ["piel", "rasca", "picazón", "picazon", "manchas", "urticaria", "erupción", "erupcion", "alergia", "ronchas", "granitos", "eccema"])
     es_respiratorio = any(k in symptom_text for k in ["asma", "tos", "respirar", "pecho", "sibilancia", "ahogo", "falta de aire", "congestión nasal", "congestion nasal", "estornudo", "rinitis"])
     es_cardiovascular = any(k in symptom_text for k in ["palpitaciones", "taquicardia", "ritmo cardíaco", "presión", "presion", "rubor", "sofoco", "frío"])
@@ -841,22 +860,14 @@ def generate_ai_hypothesis_on_the_fly(query, entities):
     if not gemini_client:
         return None
 
-    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"
+        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 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'
+        '1. "condicion_asociada": Título médico conciso de la hipersensibilidad o intolerancia (ej: Intolerancia a la Lactosa y Malabsorción Digestiva por Leche).\n'
+        '2. "mecanismo_fisiologico": Explicación concisa de la deficiencia enzimática de lactasa e hiperfermentación colónica.\n'
+        '3. "compuesto_alimento": Nombre de los alimentos y las moléculas responsables (ej: Leche (Lactosa, Caseína)).\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:
@@ -1005,7 +1016,7 @@ 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, tiramina, sulfitos, fructosa, gluten, salicilatos, fenoles, escopoletina).
+    3. Explicación de las moléculas responsables (ej: histamina, tiramina, sulfitos, fructosa, gluten, salicilatos, fenoles, escopoletina, lactosa, caseína).
     4. Mecanismo fisiológico en términos sencillos.
     5. Alimentos a evitar o moderar.
     6. Alternativas o reemplazos sugeridos.
@@ -1017,7 +1028,7 @@ def generate_detailed_analysis(query, match, entities=None, food_compound_map=No
             model='gemini-2.5-flash-lite',
             contents=prompt
         )
-        ai_report = response.text + TEXTO_BANDERAS_ROJAS
+        ai_report = "🤖 **Análisis Redactado por IA Gemini 2.5 Flash Lite:**\n\n" + response.text + TEXTO_BANDERAS_ROJAS
         global_learned_cache[cache_lookup_key] = ai_report
         return ai_report
     except Exception as e:
@@ -1160,7 +1171,7 @@ with st.form(key="search_form", clear_on_submit=False):
     query_input = st.text_area(
         "Tu Caso:",
         height=150,
-        placeholder="Ej: Si tomo mucho jugo de chontaduro no puedo dormir.",
+        placeholder="Ej: Me da diarrea si tomo leche.",
         key="input_query_text"
     )
     submitted = st.form_submit_button("Analizar Caso", type="primary")
@@ -1188,6 +1199,7 @@ if submitted:
                 if local_hypothesis:
                     results = [{'entry': local_hypothesis, 'score': {'total': 50}, 'matched_keywords': []}]
 
+            # RESCATE UNIVERSAL POR IA CON TEXTO CRUDO
             if not results:
                 ai_hypothesis = generate_ai_hypothesis_on_the_fly(current_query, final_entities)
                 if ai_hypothesis: