README.md

metadata

title: MedWin Analyzer
emoji: 🏥
colorFrom: blue
colorTo: purple
sdk: docker
pinned: false
license: mit

MedWin-Analyzer - Hugging Face Space

Ce repository contient une application FastAPI déployée sur Hugging Face Spaces pour l'analyse de rapports médicaux.

🚀 Modèles Utilisés

L'application utilise trois modèles hébergés sur Hugging Face :

1. HendSta/analyse_medicale - Modèle d'analyse médicale pour la classification des paramètres
2. HendSta/analyse_row - Modèle d'analyse de risque pour évaluer les niveaux de risque
3. HendSta/biomistral-finetuned-fullv3 - Modèle LLM pour l'analyse textuelle avancée

📋 Endpoints Disponibles

1. Health Check

GET /health

Vérifie que tous les modèles sont chargés correctement.

Réponse :

{
  "status": "healthy",
  "models_loaded": {
    "analyse_medicale_model": true,
    "analyze_risk_model": true,
    "llm_model": true,
    "llm_tokenizer": true
  },
  "message": "Tous les modèles sont chargés"
}

2. Prédiction Simple

POST /predict

Effectue une prédiction sur un seul paramètre.

Body :

{
  "CodeParametre": "glucose",
  "ValeurActuelle": 120.0,
  "Unite": "mg/dL",
  "ValeursUsuelles": "70-100",
  "ValeurUsuelleMin": 70.0,
  "ValeurUsuelleMax": 100.0,
  "ValeurAnterieure": 110.0,
  "DateAnterieure": "01/01/2024"
}

3. Upload PDF/XML

POST /upload-pdf

Traite un fichier PDF ou XML et retourne l'analyse de tous les paramètres.

Body : multipart/form-data avec le fichier

4. Analyse de Risque

POST /analyze-risk

Analyse le niveau de risque d'un paramètre médical.

Body :

{
  "CodeParametre": "glucose",
  "ValeurActuelle": 120.0,
  "Unite": "mg/dL",
  "ValeursUsuelles": "70-100",
  "ValeurUsuelleMin": 70.0,
  "ValeurUsuelleMax": 100.0,
  "ValeurAnterieure": 110.0,
  "CodParametre": "GLU"
}

Réponse :

{
  "parametre": "glucose",
  "valeur_actuelle": 120.0,
  "unite": "mg/dL",
  "valeur_anterieure": 110.0,
  "valeurs_usuelles": "70-100",
  "statut_risque": "ÉLEVÉ",
  "degre_risque": "Modéré",
  "tendance": "En hausse",
  "conseil": "Surveillance recommandée. Le glucose est élevé avec un risque modéré."
}

5. Analyse LLM

POST /llm-analysis

Utilise le modèle LLM pour fournir une analyse textuelle détaillée.

Body :

{
  "CodeParametre": "glucose",
  "ValeurActuelle": 120.0,
  "Unite": "mg/dL",
  "ValeursUsuelles": "70-100",
  "ValeurAnterieure": 110.0
}

Réponse :

{
  "parametre": "glucose",
  "analyse_llm": "Analyse détaillée générée par le LLM...",
  "prompt_utilise": "Prompt utilisé pour la génération"
}

🔧 Configuration

Variables d'Environnement

• HF_TOKEN : Token Hugging Face (optionnel pour les modèles publics)

Dépendances

Voir requirements.txt pour la liste complète des dépendances.

🚀 Déploiement

Cette application est configurée pour être déployée automatiquement sur Hugging Face Spaces.

Structure des Fichiers

MedWin-Analyzer/
├── app.py              # Application FastAPI principale
├── requirements.txt    # Dépendances Python
├── Dockerfile         # Configuration Docker
└── README.md          # Documentation

📊 Utilisation

1. Démarrage automatique : Les modèles sont chargés automatiquement au démarrage
2. Health check : Utilisez /health pour vérifier l'état des modèles
3. Upload de fichiers : Supporte les formats PDF et XML
4. Analyse en temps réel : Tous les endpoints fournissent des réponses immédiates

🔍 Dépannage

Erreurs Courantes

1. Modèles non chargés : Vérifiez la connexion internet et les permissions
2. Erreur de format : Assurez-vous que les fichiers PDF/XML sont valides
3. Timeout : Les modèles LLM peuvent prendre du temps pour la première génération

Logs

Les logs de chargement des modèles sont affichés au démarrage de l'application.

📝 Notes

• Les modèles sont téléchargés automatiquement depuis Hugging Face au premier démarrage
• Le cache des modèles est conservé pour les démarrages suivants
• L'application gère automatiquement les erreurs de chargement des modèles