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

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

**Réponse :**
```json
{
  "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