Update app.py

app.py

@@ -100,24 +100,46 @@ def load_data():
         return None, None
 alimentos_data, lista_condiciones = load_data()
 
+# DICCIONARIO DE TRADUCCIÓN AMPLIADO (v3.1)
 FOOD_TO_COMPOUND_MAP = {
-    # ... (el diccionario expandido no cambia) ...
+    # 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"],
-    "manzana": ["salicilatos", "fructosa"], "almendras": ["salicilatos"], "uvas": ["salicilatos"], "pasas": ["salicilatos"], 
-    "naranja": ["salicilatos"], "brócoli": ["salicilatos", "goitrógenos"], "cúrcuma": ["salicilatos"],
+    # Fenoles y Salicilatos
+    "manzana": ["salicilatos", "fructosa"], "almendras": ["salicilatos", "arginina"], "uvas": ["salicilatos"], "pasas": ["salicilatos"], 
+    "naranja": ["salicilatos"], "brócoli": ["salicilatos", "goitrógenos", "fodmaps"], "cúrcuma": ["salicilatos"],
+    # Azúcares y Fructosa
     "azucar": ["azúcar", "fructosa"], "dulces": ["azúcar"], "refrescos": ["azúcar", "fructosa"], "gaseosas": ["azúcar", "fructosa"],
-    "miel": ["fructosa"], "jarabe de maiz": ["fructosa"],
+    "miel": ["fructosa", "fodmaps"], "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"],
+    "cerveza": ["histamina", "tiramina", "purinas", "gluten"], "chocolate": ["cafeína", "tiramina", "níquel", "arginina"],
+    "embutidos": ["histamina", "tiramina", "nitritos"], "pescado enlatado": ["histamina"], "tomate": ["histamina", "solaninas", "ácidos"],
+    # FODMAPs
+    "aguacate": ["fodmaps", "polioles"], "cebolla": ["fodmaps"], "ajo": ["fodmaps"], "legumbres": ["fodmaps", "gos"],
+    # 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"]
+    "café": ["cafeína", "ácidos"], "nueces": ["arginina", "salicilatos", "níquel"]
 }
 
+# NUEVO DICCIONARIO DE SINÓNIMOS DE CONDICIONES
+CONDITION_SYNONYMS = {
+    "síndrome del intestino irritable (sii).": [
+        "intolerancia a los fodmaps", 
+        "intolerancia a los gos (fodmap)",
+        "intolerancia a gomas fermentables"
+    ],
+    "gota / hiperuricemia.": ["acido urico aumentado"],
+    "intolerancia a la lactosa.": ["déficit de lactasa"],
+    "enfermedad celíaca (clásica).": ["dermatitis herpetiforme"]
+    # Puedes añadir más sinónimos aquí en el futuro
+}
+
+
 # --- LÓGICA DE BÚSQUEDA Y ANÁLISIS ---
 
 # ... (La función extract_and_infer_with_gemini no cambia) ...
@@ -149,13 +171,13 @@ def extract_and_infer_with_gemini(query, condiciones):
 # --- FUNCIÓN DE BÚSQUEDA MODIFICADA ---
 def find_best_matches_hybrid(entities, data):
     """
-    Motor de búsqueda híbrido (v4.0) que devuelve un desglose detallado de la puntuación.
+    Motor de búsqueda híbrido (v4.1) con manejo de sinónimos de condiciones.
     """
     if not entities or not data: return []
     
     user_symptoms = set(s.lower().strip() for s in entities.get("sintomas", []))
     user_foods = set(f.lower().strip() for f in entities.get("alimentos", []))
-    inferred_condition = entities.get("condicion_probable", "").lower().strip()
+    inferred_condition_raw = entities.get("condicion_probable", "").lower().strip()
 
     candidate_terms = set(user_foods)
     for food in user_foods:
@@ -166,17 +188,23 @@ def find_best_matches_hybrid(entities, data):
     for index, entry in enumerate(data):
         score_details = {'condition': 0, 'food': 0, 'symptoms': 0, 'total': 0}
         
-        # Ponderación 1: Coincidencia de Condición
+        # --- PONDERACIÓN 1: COINCIDENCIA DE CONDICIÓN (CON SINÓNIMOS) ---
         entry_condition = entry.get("condicion_asociada", "").lower().strip()
-        if inferred_condition and inferred_condition == entry_condition:
+        
+        # Comprobación directa
+        if inferred_condition_raw and inferred_condition_raw == entry_condition:
             score_details['condition'] = 100
+        # Comprobación de sinónimos
+        elif inferred_condition_raw and entry_condition in CONDITION_SYNONYMS:
+            if inferred_condition_raw in CONDITION_SYNONYMS[entry_condition]:
+                score_details['condition'] = 100
 
-        # Ponderación 2: Coincidencia de Alimentos/Compuestos
+        # --- 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_details['food'] = 20
             
-        # Ponderación 3: Coincidencia de Síntomas
+        # --- PONDERACIÓN 3: COINCIDENCIA DE SÍNTOMAS ---
         entry_symptoms_keys = set(s.lower().strip() for s in entry.get("sintomas_clave", []))
         symptom_score = 0
         for user_symptom in user_symptoms:
@@ -193,7 +221,6 @@ def find_best_matches_hybrid(entities, data):
             
     if not results: return []
 
-    # Ordenar por puntuación total descendente
     sorted_results = sorted(results, key=lambda x: x['score']['total'], reverse=True)
     return sorted_results