Update app.py

app.py

@@ -1,5 +1,5 @@
-# ====================    Buscador de Intolerancias Alimentarias (Versión Híbrida)  =====================================
-# Implementa un motor de búsqueda híbrido que combina la extracción de entidades y la inferencia de la IA.
+# ====================    Buscador de Intolerancias Alimentarias (Versión Híbrida 2.1)  =====================================
+# Incluye manejo de casos donde no se encuentran coincidencias.
 
 import streamlit as st
 import google.generativeai as genai
@@ -10,7 +10,7 @@ import logging
 import re
 
 st.set_page_config(
-    page_title="Asistente de Bienestar Digestivo",
+    page_title="El Detective de Alimentos",
     page_icon="🍎",
     layout="wide"
 )
@@ -60,14 +60,13 @@ def load_data():
         with open(path_alimentos, 'r', encoding='utf-8') as f:
             data_alimentos = json.load(f)
         
-        # Extraer una lista única de todas las condiciones posibles para guiar a la IA
         lista_condiciones = sorted(list(set(item['condicion_asociada'] for item in data_alimentos)))
 
         logger.info(f"✅ Base de datos enriquecida cargada con {len(data_alimentos)} registros.")
         return data_alimentos, lista_condiciones
 
     except FileNotFoundError:
-        st.error("❌ Error: No se encontró el archivo 'alimentos_enriquecido.json'. Asegúrate de haber ejecutado el script de enriquecimiento.")
+        st.error("❌ Error: No se encontró el archivo 'alimentos_enriquecido.json'. Asegúrate de que existe en la carpeta 'DATOS'.")
         return None, None
     except json.JSONDecodeError:
         st.error("❌ Error: El archivo 'alimentos_enriquecido.json' tiene un formato incorrecto.")
@@ -81,7 +80,8 @@ FOOD_TO_COMPOUND_MAP = {
     "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"],
     "azucar": ["azúcar", "fructosa"], "dulces": ["azúcar"], "refrescos": ["azúcar", "fructosa"], "gaseosas": ["azúcar", "fructosa"],
-    "embutidos": ["histamina", "tiramina", "nitritos"], "carne": ["alfa-gal", "proteínas"]
+    "embutidos": ["histamina", "tiramina", "nitritos"], "carne": ["alfa-gal", "proteínas", "purinas"], "carnes rojas": ["purinas", "alfa-gal"],
+    "mariscos": ["purinas", "sulfitos", "alérgenos"]
 }
 
 # --- LÓGICA DE BÚSQUEDA Y ANÁLISIS (ENFOQUE HÍBRIDO) ---
@@ -104,23 +104,14 @@ def extract_and_infer_with_gemini(query, condiciones):
     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 mucho pan con harina de trigo se me hincha el estomago y siento fatiga."
+    Consulta: "Cuando como mucha carne me duele el dedo gordo del pie."
     Respuesta:
     {{
-      "alimentos": ["pan", "harina de trigo"],
-      "sintomas": ["hinchazón abdominal", "fatiga"],
-      "condicion_probable": "Enfermedad Celíaca (Clásica)."
+      "alimentos": ["carne"],
+      "sintomas": ["dolor en el dedo gordo del pie"],
+      "condicion_probable": "Gota / Hiperuricemia."
     }}
     
-    Ejemplo 2:
-    Consulta: "me duele la cabeza cada vez que tomo vino rojo"
-    Respuesta:
-    {{
-      "alimentos": ["vino rojo"],
-      "sintomas": ["dolor de cabeza"],
-      "condicion_probable": "Intolerancia a la Histamina (Histaminosis)."
-    }}
-
     Ahora, analiza la siguiente consulta:
     Consulta: "{query}"
     """
@@ -138,36 +129,35 @@ def extract_and_infer_with_gemini(query, condiciones):
         return None
 
 def find_best_matches_hybrid(entities, data):
-    """Motor de búsqueda híbrido con puntuación ponderada."""
+    """Motor de búsqueda híbrido (v2.1) con puntuación ponderada y mayor autoridad para la inferencia de la IA."""
     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()
 
-    candidate_compounds = set()
+    candidate_terms = set(user_foods)
     for food in user_foods:
         if food in FOOD_TO_COMPOUND_MAP:
-            candidate_compounds.update(c.lower() for c in FOOD_TO_COMPOUND_MAP[food])
+            candidate_terms.update(c.lower() for c in FOOD_TO_COMPOUND_MAP[food])
 
     scores = {}
     for index, entry in enumerate(data):
         score = 0
         
-        # Ponderación 1: Coincidencia de Condición (la más importante)
         entry_condition = entry.get("condicion_asociada", "").lower().strip()
         if inferred_condition and inferred_condition == entry_condition:
-            score += 15
+            score += 100
 
-        # Ponderación 2: Coincidencia de Alimentos/Compuestos
         entry_compounds_text = entry.get("compuesto_alimento", "").lower()
-        if any(food in entry_compounds_text for food in user_foods) or any(comp in entry_compounds_text for comp in candidate_compounds):
-            score += 8
+        if any(term in entry_compounds_text for term in candidate_terms):
+            score += 20
             
-        # Ponderación 3: Coincidencia de Síntomas
         entry_symptoms_keys = set(s.lower().strip() for s in entry.get("sintomas_clave", []))
-        matching_symptoms = user_symptoms.intersection(entry_symptoms_keys)
-        score += len(matching_symptoms) * 4 # Cada síntoma coincidente suma
+        # 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
         
         if score > 0:
             scores[index] = score
@@ -178,11 +168,10 @@ 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 (sin cambios necesarios aquí)."""
-    # Esta función ya es robusta y no necesita cambios.
+    """Genera la explicación final para el usuario."""
     if not model: return "Error: El modelo de IA no está disponible."
     prompt = f"""
-    Eres un asistente de IA experto en nutrición y bienestar, diseñado para ayudar a las personas a entender posibles intolerancias alimentarias. Tu tono debe ser claro, empático y educativo.
+    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")}
@@ -194,7 +183,7 @@ def generate_detailed_analysis(query, match):
     **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, enfatizando la supervisión profesional. Menciona otros alimentos a tener en cuenta del campo "compuesto_alimento".
+    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.
     """
     try:
@@ -204,29 +193,17 @@ def generate_detailed_analysis(query, match):
         logger.error(f"Error generando análisis detallado con Gemini: {e}")
         return "No se pudo generar el análisis detallado."
 
-
 # --- INTERFAZ DE USUARIO (UI) ---
-# Se crea un layout con columnas para la cabecera
 col_img, col_text = st.columns([1, 4], gap="medium")
-
 with col_img:
-    # Asegúrate de que el archivo 'imagen.png' esté en la misma carpeta que el script
-    st.image("imagen.png", width=150)
-
+    if os.path.exists("imagen.png"):
+        st.image("imagen.png", width=150)
 with col_text:
     st.title("El Detective de Alimentos")
     st.markdown("##### Describe lo que sientes y lo que comiste para descubrir posibles intolerancias.")
-
-# Una línea divisoria para separar la cabecera del formulario
 st.markdown("---")
 
-
-
-
-
-
-
-
+# --- LÓGICA PRINCIPAL DE LA APLICACIÓN ---
 if 'search_results' not in st.session_state: st.session_state.search_results = None
 if 'user_query' not in st.session_state: st.session_state.user_query = ""
 
@@ -235,14 +212,14 @@ def clear_search_state():
     st.session_state.user_query = ""
 
 with st.form(key="search_form"):
-    query = st.text_area("Describe tu caso aquí:", height=150, placeholder="Ej: Cuando como mucho pan se me hincha el estómago, me da niebla mental y siento fatiga, ¿qué puede ser?")
+    query = st.text_area("Describe tu caso aquí:", height=150, placeholder="Ej: Cuando como mucha carne me duele el dedo gordo del pie...")
     submitted = st.form_submit_button("Analizar mi caso", type="primary")
 
 if submitted:
     if not query:
         st.warning("Por favor, describe lo que sientes y lo que comiste.")
     elif alimentos_data is None:
-        st.error("La base de datos de alimentos no está disponible.")
+        st.error("La base de datos de alimentos no está disponible. No se puede continuar.")
     else:
         st.session_state.user_query = query
         with st.spinner("🧠 Interpretando tu caso y buscando pistas con IA..."):
@@ -260,15 +237,21 @@ 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 = []
+            st.session_state.search_results = [] # Resetear a lista vacía
 
 if st.session_state.search_results is not None:
     st.button("Realizar nueva consulta", on_click=clear_search_state)
     st.markdown("---")
     
     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}'.")
+        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"
+                   "- Intenta ser más específico con los síntomas.\n"
+                   "- Asegúrate de mencionar al menos un alimento o bebida.\n"
+                   "- Reformula tu consulta con otras palabras.")
     else:
         st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso. Aquí está el análisis de la más probable:")