app.py

# ====================    El Detective de Alimentos (Versión 12.2 - Sensibilidad Semántica Ampliada)  ========================
# Por: JAIRO CESAR ALEXANDER E. MD DIANA MILENA SOLER MARTINEZ PSI. ESP. U JUAN N CORPAS

import streamlit as st
import google.generativeai as genai
import google.api_core.exceptions
import os
import json
import logging
import re
import pandas as pd
import altair as alt
from datetime import datetime
from tenacity import retry, stop_after_attempt, wait_random_exponential

st.set_page_config(page_title="El Detective de Alimentos", page_icon="🍎", layout="wide")

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
logger = logging.getLogger("food_detective_app")
try:
    if 'GEMINI_API_KEY' in st.secrets:
        GEMINI_API_KEY = st.secrets['GEMINI_API_KEY']
    else:
        GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
    if not GEMINI_API_KEY:
        st.error("No se encontró la GEMINI_API_KEY.")
        st.stop()
    genai.configure(api_key=GEMINI_API_KEY)
except Exception as e:
    st.error(f"❌ Error al configurar Gemini API: {e}")
    st.stop()
@st.cache_resource
def get_gemini_model():
    try:
        return genai.GenerativeModel("gemini-2.5-flash-lite")
    except Exception as e:
        st.error(f"❌ No se pudo cargar el modelo Gemini: {e}")
        return None
model = get_gemini_model()
@st.cache_data
def load_data():
    try:
        path_alimentos = os.path.join('DATOS', 'alimentos_enriquecido.json') 
        path_foodb_index = os.path.join('DATOS', 'foodb_index.json')
        with open(path_alimentos, 'r', encoding='utf-8') as f:
            data_alimentos = json.load(f)
        foodb_index = {}
        if os.path.exists(path_foodb_index):
            with open(path_foodb_index, 'r', encoding='utf-8') as f:
                foodb_index = json.load(f)
        return data_alimentos, foodb_index
    except Exception as e:
        st.error(f"Error cargando los archivos de datos: {e}")
        return None, None
alimentos_data, foodb_index = load_data()

FOOD_TO_COMPOUND_MAP = {
    # --- CEREALES, GRANOS Y DERIVADOS ---
    "pan": ["gluten", "fodmaps", "fructanos", "levadura", "aminas", "fitatos"],
    "trigo": ["gluten", "fodmaps", "fructanos", "lectinas", "aminas", "fitatos"],
    "harina": ["gluten", "fodmaps", "fructanos"],
    "pasta": ["gluten", "fodmaps", "fructanos"],
    "galletas": ["gluten", "azúcar", "fodmaps", "fructanos", "lácteos"],
    "pizza": ["gluten", "lácteos", "histamina", "aminas", "fodmaps", "fructanos", "solaninas"],
    "ravioles": ["gluten", "fructanos", "lácteos", "histamina", "oxalatos", "purinas", "solaninas"],
    "cebada": ["gluten", "fodmaps", "fructanos"],
    "centeno": ["gluten", "fodmaps", "fructanos"],
    "avena": ["gluten", "avenina", "níquel", "fitatos"],
    "maíz": ["lectinas", "aflatoxinas", "fodmaps", "fructosa"],
    "arroz": ["lectinas", "arsénico", "fitatos"],
    "arroz frito": ["lectinas", "gluten", "soja", "histamina", "fodmaps", "alérgenos", "glutamato"],
    "quinoa": ["saponinas", "oxalatos", "fitatos"],

    # --- LÁCTEOS Y DERIVADOS ---
    "leche": ["lácteos", "caseína", "lactosa", "fodmaps"],
    "queso": ["lácteos", "caseína", "lactosa", "histamina", "tiramina", "aminas"],
    "yogur": ["lácteos", "caseína", "lactosa", "histamina"],
    "mantequilla": ["lácteos", "caseína", "lactosa"],
    "helado": ["lácteos", "azúcar", "lactosa", "fodmaps"],

    # --- VEGETALES ---
    "tomate": ["histamina", "solaninas", "lectinas", "salicilatos", "aminas"],
    "pimiento": ["solaninas", "lectinas", "capsaicina", "salicilatos"],
    "berenjena": ["solaninas", "lectinas", "histamina", "salicilatos"],
    "patata": ["solaninas", "lectinas", "almidón resistente"],
    "papas fritas": ["solaninas", "lectinas", "aminas", "acrilamida", "gluten"],
    "cebolla": ["fodmaps", "fructanos", "azufre", "quercetina"],
    "ajo": ["fodmaps", "fructanos", "azufre"],
    "brócoli": ["fodmaps", "fructanos", "goitrógenos", "azufre", "salicilatos"],
    "coliflor": ["fodmaps", "polioles", "goitrógenos", "azufre"],
    "repollo": ["fodmaps", "fructanos", "goitrógenos", "azufre", "histamina"],
    "espinaca": ["oxalatos", "histamina", "goitrógenos", "níquel", "nitratos"],
    "acelga": ["oxalatos"],
    "remolacha": ["oxalatos", "fodmaps", "gos", "nitratos"],
    "legumbres": ["fodmaps", "gos", "lectinas", "fitatos", "saponinas"],
    "lentejas": ["fodmaps", "gos", "lectinas", "fitatos", "níquel"],
    "garbanzos": ["fodmaps", "gos", "lectinas", "fitatos"],
    "frijoles": ["fodmaps", "gos", "lectinas", "fitatos"],
    "soja": ["alérgenos", "fitatos", "goitrógenos", "lectinas", "níquel"],
    "tofu": ["soja", "fitatos", "goitrógenos", "lectinas"],
    "aguacate": ["fodmaps", "polioles", "histamina", "salicilatos", "aminas"],
    "champiñón": ["fodmaps", "polioles"],
    "pepino": ["lectinas", "salicilatos"],
    "zanahoria": ["salicilatos"],

    # --- FRUTAS ---
    "manzana": ["fodmaps", "fructosa", "polioles", "salicilatos", "quercetina"],
    "pera": ["fodmaps", "fructosa", "polioles"],
    "mango": ["fodmaps", "fructosa"],
    "cereza": ["fodmaps", "fructosa", "polioles", "salicilatos"],
    "sandía": ["fodmaps", "fructosa"],
    "miel": ["fodmaps", "fructosa"],
    "plátano": ["aminas", "tiramina", "histamina", "almidón resistente"],
    "fresa": ["histamina", "salicilatos", "goitrógenos"],
    "piña": ["histamina", "salicilatos", "ácidos", "bromelina"],
    "cítricos": ["ácidos", "salicilatos", "aminas"],
    "naranja": ["ácidos", "salicilatos", "aminas"],
    "limón": ["ácidos", "salicilatos", "aminas"],
    "papaya": ["histamina", "papaína"],
    "pasas": ["histamina", "salicilatos", "fructosa"],
    "uvas": ["salicilatos", "fructosa", "quercetina"],
    "arándano": ["salicilatos"],
    "frambuesa": ["salicilatos"],
    
    # --- PROTEÍNAS (CARNES, PESCADOS, HUEVOS) ---
    "carne": ["purinas", "histamina", "alfa-gal", "hierro hemo"], # TÉRMINO GENERAL AÑADIDO
    "carne roja": ["purinas", "alfa-gal", "hierro hemo", "histamina"],
    "carne procesada": ["nitritos", "histamina", "tiramina", "aminas", "fosfatos"],
    "embutidos": ["nitritos", "histamina", "tiramina", "aminas", "fosfatos"],
    "hamburguesa": ["gluten", "fructanos", "lácteos", "histamina", "aminas", "purinas", "azúcar", "fodmaps", "lectinas", "solaninas", "semillas de sésamo"],
    "huevo": ["alérgenos", "azufre"],
    "pescado": ["histamina", "purinas", "mercurio"],
    "pescado azul": ["histamina", "purinas", "omega-3"],
    "atún": ["histamina", "mercurio"],
    "salmón": ["histamina", "purinas"],
    "mariscos": ["alérgenos", "purinas", "yodo", "níquel"],
    
    # --- FRUTOS SECOS, SEMILLAS Y DULCES ---
    "frutos secos": ["níquel", "fitatos", "oxalatos", "salicilatos", "arginina", "alérgenos"],
    "nueces": ["arginina", "salicilatos", "níquel", "oxalatos", "fitatos"],
    "almendras": ["salicilatos", "arginina", "oxalatos", "fitatos", "cianuro"],
    "maní": ["alérgenos", "arginina", "lectinas", "aflatoxinas"],
    "cacahuetes": ["alérgenos", "arginina", "lectinas", "aflatoxinas"],
    "chocolate": ["cafeína", "aminas", "tiramina", "níquel", "arginina", "oxalatos", "teobromina"],
    
    # --- BEBIDAS, CONDIMENTOS Y PLATOS COMPLEJOS ---
    "café": ["cafeína", "ácidos", "histamina", "salicilatos", "aminas"],
    "té": ["cafeína", "taninos", "oxalatos", "salicilatos"],
    "vino": ["histamina", "tiramina", "sulfitos", "taninos", "alcohol", "quercetina"],
    "cerveza": ["gluten", "histamina", "tiramina", "alcohol"],
    "refresco de cola": ["azúcar", "fructosa", "cafeína", "ácidos", "colorantes"],
    "bebida gaseosa oscura": ["azúcar", "fructosa", "cafeína", "ácidos", "colorantes"],
    "bebida energética": ["cafeína", "azúcar", "edulcorantes", "ácidos", "estimulantes", "saborizantes"],
    "vinagre": ["histamina", "sulfitos", "ácido acético"],
    "alimentos fermentados": ["histamina", "tiramina"],
    "chucrut": ["histamina", "tiramina"],
    "sancocho": ["histamina", "purinas", "fodmaps", "fructanos", "lectinas", "solaninas", "almidón"],
    "ajiaco": ["solaninas", "lectinas", "purinas", "lácteos", "histamina"],
    "bandeja paisa": ["fodmaps", "gos", "lectinas", "histamina", "tiramina", "aminas", "nitritos", "purinas", "alérgenos", "polioles"],
    "cholado": ["azúcar", "fructosa", "lácteos", "lactosa", "histamina", "salicilatos", "colorantes"]
}
SYMPTOM_KEYWORD_MAP = {

    # --- SISTEMA GASTROINTESTINAL (DIGESTIVO) ---
    "dolor abdominal": ["dolor de estómago", "dolor de panza", "dolor abdominal", "retortijones", "cólicos", "calambres abdominales"],
    "hinchazón": ["hinchazón abdominal", "vientre hinchado", "distensión abdominal", "hinchazón", "distensión", "estomago se infla", "inflamado", "inflado", "infla", "hincha"],
    "gases": ["exceso de gases", "muchos gases", "gases", "flatulencia", "ventosidades"],
    "diarrea": ["diarrea crónica", "diarrea persistente", "heces sueltas", "estómago suelto", "diarrea", "deposiciones liquidas"],
    "estreñimiento": ["estreñimiento crónico", "dificultad para evacuar", "no poder ir al baño", "estreñimiento"],
    "acidez": ["acidez estomacal", "reflujo gastroesofágico", "ardor de estómago", "acidez", "reflujo", "agruras"],
    "náuseas": ["náuseas persistentes", "ganas de vomitar", "náuseas", "mareo"],
    "vómitos": ["vómitos recurrentes", "vómitos", "vomitar"],
    "disfagia": ["dificultad para tragar", "problemas al tragar", "se atora la comida", "disfagia"],
    "pérdida de apetito": ["falta de apetito", "no tengo hambre", "pérdida de apetito"],

    # --- SISTEMA NEUROLÓGICO ---
    "dolor de cabeza": ["dolores de cabeza crónicos", "dolor de cabeza crónico", "dolores de cabeza", "dolor de cabeza", "cefalea", "migraña"],
    "niebla mental": ["niebla mental severa", "dificultad para concentrarse", "falta de claridad mental", "niebla mental", "confusión mental", "mente nublada", "deterioro cognitivo"],
    "ataxia": [
        "pérdida de equilibrio y coordinación", "problemas de equilibrio y coordinación", "inestabilidad al caminar",
        "caminar inestable", "pérdida del equilibrio", "falta de equilibrio", "pérdida de coordinación",
        "falta de coordinación", "movimientos torpes", "incoordinación", "inestabilidad", "torpeza", "ataxia"
    ],
    "neuropatía periférica": [
        "hormigueo en manos y pies", "entumecimiento en manos y pies", "sensación de ardor en los pies",
        "calambres en manos y pies", "sensación de agujas", "hormigueo en las extremidades", "parestesias",
        "entumecimiento", "hormigueo", "neuropatía"
    ],
    "mareo/vértigo": ["sensación de que todo da vueltas", "vértigo", "mareos"],
    "convulsiones": ["ataques epilépticos", "convulsiones", "ataques", "epilepsia"],

    # --- SISTEMA DERMATOLÓGICO (PIEL) ---
    "erupción": ["dermatitis herpetiforme", "erupción con ampollas", "erupción cutánea", "erupción", "ronchas", "urticaria", "sarpullido", "granitos", "eczema"],
    "picazón": ["picazón intensa", "picor en la piel", "comezón", "picor", "prurito"],
    "piel seca": ["piel seca y escamosa", "piel muy seca", "piel reseca", "ictiosis"],
    "acné": ["acné quístico", "brote de acné", "espinillas", "granos", "acné"],
    
    # --- SISTEMA MUSCULOESQUELÉTICO ---
    "dolor articular": ["dolor en las articulaciones", "articulaciones doloridas", "dolores articulares", "artralgia"],
    "dolor muscular": ["dolor muscular generalizado", "dolores musculares", "mialgia"],
    "debilidad muscular": ["falta de fuerza", "debilidad en los músculos", "pérdida de fuerza"],
    "calambres": ["calambres musculares", "espasmos musculares", "calambres"],

    # --- SÍNTOMAS GENERALES Y CONSTITUCIONALES ---
    "fatiga": ["fatiga crónica", "cansancio extremo", "agotamiento crónico", "falta de energía", "fatiga", "cansancio", "agotamiento"],
    "pérdida de peso": ["pérdida de peso inexplicable", "adelgazamiento involuntario", "pérdida de peso"],
    "fiebre": ["fiebre recurrente", "fiebre baja", "temperatura alta", "fiebre"],
    "malestar general": ["sentirse mal", "cuerpo cortado", "malestar"],
    "inflamación": ["inflamación sistémica", "inflamación general", "inflamación"],
    
    # --- SISTEMA RESPIRATORIO Y ALÉRGICO (ORL) ---
    "dificultad para respirar": ["falta de aire", "no poder respirar bien", "disnea"],
    "congestión nasal": ["nariz tapada", "congestión nasal", "rinitis"],
    "tos": ["tos crónica", "tos seca", "tos persistente", "tos"],
    "sibilancias": ["pitido en el pecho", "silbidos al respirar", "sibilancias"],

    # --- SISTEMA PSICOLÓGICO / ESTADO DE ÁNIMO ---
    "ansiedad": ["ataques de pánico", "nerviosismo", "inquietud", "ansiedad"],
    "irritabilidad": ["cambios de humor", "mal humor", "estar irritable", "irritabilidad"],
    "depresión": ["tristeza persistente", "desánimo", "depresión"]
}

FOOD_NAME_TO_FOODB_KEY = {
    # --- CEREALES Y GRANOS ---
    "alforfón": ["buckwheat"], "arroz": ["rice"], "avena": ["oat", "oats"], "cebada": ["barley"], "centeno": ["rye"], "galleta": ["cookie", "biscuit"], "maíz": ["corn", "maize"], "pan": ["bread"], "pasta": ["pasta"], "pizza": ["pizza"], "quinoa": ["quinoa"], "trigo": ["wheat"], "trigo sarraceno": ["buckwheat"],
    # --- LÁCTEOS Y DERIVADOS ---
    "crema": ["cream"], "helado": ["ice cream"], "leche": ["milk"], "mantequilla": ["butter"], "queso": ["cheese"], "yogur": ["yogurt", "yoghurt"],
    # --- VEGETALES ---
    "acelga": ["chard", "swiss chard"], "ajo": ["garlic"], "alcachofa": ["artichoke"], "apio": ["celery"], "berenjena": ["eggplant", "aubergine"], "brócoli": ["broccoli"], "calabacín": ["zucchini", "courgette"], "calabaza": ["pumpkin", "squash"], "cebolla": ["onion"], "champiñón": ["mushroom"], "col": ["cabbage"], "coliflor": ["cauliflower"], "edamame": ["edamame"], "espárrago": ["asparagus"], "espinaca": ["spinach"], "garbanzo": ["chickpea"], "guisante": ["pea", "peas"], "frijol": ["bean", "beans"], "lenteja": ["lentil"], "patata": ["potato"], "pepino": ["cucumber"], "pimiento": ["bell pepper", "pepper"], "remolacha": ["beet", "beetroot"], "repollo": ["cabbage"], "seta": ["mushroom"], "soja": ["soy", "soybean"], "tofu": ["tofu"], "tomate": ["tomato"], "zanahoria": ["carrot"],
    # --- FRUTAS ---
    "aguacate": ["avocado"], "albaricoque": ["apricot"], "arándano": ["blueberry"], "cereza": ["cherry"], "ciruela": ["plum"], "dátil": ["date"], "frambuesa": ["raspberry"], "fresa": ["strawberry"], "higo": ["fig"], "kiwi": ["kiwi", "kiwifruit"], "limón": ["lemon"], "mandarina": ["tangerine", "mandarin"], "mango": ["mango"], "manzana": ["apple"], "melocotón": ["peach"], "melón": ["melon", "cantaloupe"], "mora": ["blackberry"], "naranja": ["orange"], "nectarina": ["nectarine"], "papaya": ["papaya"], "pera": ["pear"], "piña": ["pineapple"], "plátano": ["banana"], "pomelo": ["grapefruit"], "sandía": ["watermelon"], "uva": ["grape"],
    # --- PROTEÍNAS (CARNES, PESCADOS, HUEVOS) ---
    "anchoa": ["anchovy", "anchovies"], "atún": ["tuna"], "camarón": ["shrimp", "prawn"], "carne": ["meat", "beef", "pork", "lamb"], "cerdo": ["pork"], "cordero": ["lamb"], "gamba": ["shrimp", "prawn"], "huevo": ["egg"], "marisco": ["shellfish", "seafood"], "pavo": ["turkey"], "pescado": ["fish"], "pollo": ["chicken"], "salchicha": ["sausage"], "salmón": ["salmon"], "sardina": ["sardine"], "ternera": ["beef", "veal"],
    # --- FRUTOS SECOS Y SEMILLAS ---
    "almendra": ["almond"], "anacardo": ["cashew"], "avellana": ["hazelnut"], "cacahuete": ["peanut"], "chía": ["chia", "chia seed"], "lino": ["flax", "flaxseed", "linseed"], "nuez": ["walnut"], "pistacho": ["pistachio"], "sésamo": ["sesame", "sesame seed"],
    # --- BEBIDAS, DULCES Y CONDIMENTOS ---
    "aceituna": ["olive"], "café": ["coffee"], "caldo": ["broth", "stock"], "cerveza": ["beer"], "chocolate": ["chocolate"], "jengibre": ["ginger"], "cúrcuma": ["turmeric"], "miel": ["honey"], "mostaza": ["mustard"], "té": ["tea"], "vinagre": ["vinegar"], "vino": ["wine", "red wine", "white wine"]
}

INTEGRATED_NEURO_FOOD_MAP = {
    "gluten": {
        "efecto_neuropsicologico": "En individuos con sensibilidad (celíaca o no celíaca), puede desencadenar una respuesta inmune que resulta en neuroinflamación, manifestándose como niebla mental, depresión, ansiedad y migrañas. La predisposición es fuertemente genética (HLA-DQ2/DQ8).",
        "fuentes_comunes": ["pan", "trigo", "pasta", "pizza", "cebada", "centeno"]
    },
    "caseína": {
        "efecto_neuropsicologico": "En subgrupos sensibles, puede ser inmuno-reactiva. La teoría de las casomorfinas postula que sus péptidos pueden actuar sobre receptores opioides cerebrales, afectando la cognición y el comportamiento.",
        "fuentes_comunes": ["leche", "queso", "yogur", "productos lácteos"]
    },
    "omega-3 (DHA/EPA)": {
        "efecto_neuropsicologico": "Potente agente anti-neuroinflamatorio. El DHA es un componente estructural crítico de las membranas neuronales; el EPA combate la inflamación. La capacidad de convertir ALA (vegetal) a DHA/EPA es dependiente de la genética (FADS1/FADS2).",
        "fuentes_comunes": ["pescado graso (salmón, sardinas, arenque)", "nueces (como ALA)"]
    },
    "cafeína": {
        "efecto_neuropsicologico": "Antagonista de los receptores de adenosina, aumenta la vigilia y la dopamina. La velocidad de su metabolismo (gen CYP1A2) determina su impacto: 'metabolizadores lentos' tienen un riesgo muy superior de sufrir ansiedad, pánico e insomnio.",
        "fuentes_comunes": ["café", "té verde", "chocolate negro", "bebidas energéticas"]
    },
    "polifenoles": {
        "efecto_neuropsicologico": "Reducen el estrés oxidativo y la neuroinflamación. Aumentan el BDNF (Factor Neurotrófico Derivado del Cerebro), promoviendo la neurogénesis y la plasticidad sináptica. Su biodisponibilidad y metabolización dependen del microbioma intestinal.",
        "fuentes_comunes": ["arándanos", "uvas", "té verde", "chocolate negro", "aceite de oliva", "nueces"]
    },
    "triptófano": {
        "efecto_neuropsicologico": "Precursor directo de serotonina (estado de ánimo, calma) y melatonina (sueño). Su transporte al cerebro compite con otros aminoácidos, y su eficiencia de conversión depende de la genética (ej. TPH2).",
        "fuentes_comunes": ["pavo", "pollo", "huevo", "plátano", "lentejas", "garbanzos", "aguacate"]
    },
    "colina": {
        "efecto_neuropsicologico": "Precursor del neurotransmisor acetilcolina, esencial para la memoria, el aprendizaje y la función del hipocampo. La dependencia de la ingesta dietética es mayor en individuos con variantes genéticas específicas (ej. PEMT).",
        "fuentes_comunes": ["huevo (yema)", "hígado", "soja", "carne de res"]
    },
    "L-teanina": {
        "efecto_neuropsicologico": "Ansiolítico no sedante. Aumenta las ondas cerebrales alfa (alerta relajada), modula GABA (inhibidor), dopamina y serotonina, y bloquea receptores de glutamato (excitador).",
        "fuentes_comunes": ["té verde", "té negro", "algunos hongos"]
    },
    "histamina": {
        "efecto_neuropsicologico": "En personas con baja actividad de la enzima DAO (a menudo por causas genéticas), su acumulación sistémica puede provocar ansiedad, ataques de pánico, insomnio y confusión mental.",
        "fuentes_comunes": ["quesos curados", "embutidos", "vino tinto", "espinacas", "tomate", "aguacate", "alimentos fermentados"]
    },
    "salicilatos": {
        "efecto_neuropsicologico": "En individuos con una vía de sulfatación (enzima PST) lenta o sobrecargada, pueden acumularse e interferir con el metabolismo de neurotransmisores, causando hiperactividad, irritabilidad y ansiedad.",
        "fuentes_comunes": ["bayas", "manzanas", "uvas", "tomate", "almendras", "cúrcuma", "especias"]
    },
    "glutamato monosódico": {
        "efecto_neuropsicologico": "El glutamato es el principal neurotransmisor excitatorio. La teoría de la excitotoxicidad sugiere que en exceso y en personas con una barrera hematoencefálica permeable, puede sobreestimular las neuronas, causando migrañas o niebla mental.",
        "fuentes_comunes": ["alimentos procesados", "comida rápida", "sopas enlatadas", "salsa de soja"]
    },
    "azúcar refinado": {
        "efecto_neuropsicologico": "Genera picos glucémicos e inflamación sistémica. Se asocia con una peor plasticidad sináptica, exacerbación de la ansiedad (por hipoglucemia reactiva) y empeoramiento de los síntomas depresivos.",
        "fuentes_comunes": ["dulces", "refrescos", "bollería", "cereales azucarados", "salsas procesadas"]
    },
    "etanol": {
        "efecto_neuropsicologico": "Depresor del sistema nervioso central. Es neurotóxico, interfiere con la arquitectura del sueño REM (crucial para la consolidación de la memoria y la regulación emocional), agrava la depresión y puede anular la eficacia de los antidepresivos.",
        "fuentes_comunes": ["vino", "cerveza", "licores"]
    },
    "grasas trans": {
        "efecto_neuropsicologico": "Promueven la neuroinflamación y la rigidez de las membranas neuronales, afectando negativamente la señalización celular. Se asocian con un mayor riesgo de depresión y deterioro cognitivo.",
        "fuentes_comunes": ["margarina", "alimentos fritos industriales", "bollería industrial", "comida rápida"]
    },
    "tiramina": {
        "efecto_neuropsicologico": "Aminoácido vasopresor. Su consumo es peligroso para personas que toman antidepresivos IMAO, ya que puede provocar una crisis hipertensiva con consecuencias neurológicas graves.",
        "fuentes_comunes": ["quesos muy curados", "embutidos", "carnes ahumadas", "soja fermentada", "vino tinto"]
    },
    "fodmaps": {
        "efecto_neuropsicologico": "Su efecto es indirecto a través del eje intestino-cerebro. La fermentación y el malestar intestinal pueden enviar señales de estrés al cerebro, exacerbando la ansiedad y la sensibilidad visceral.",
        "fuentes_comunes": ["trigo", "cebolla", "ajo", "legumbres", "manzanas", "miel", "productos lácteos"]
    },
    "probióticos": {
        "efecto_neuropsicologico": "Modulan el eje intestino-cerebro. Ciertas cepas pueden producir neurotransmisores (ej. GABA), reducir la inflamación y el cortisol, mejorando la resiliencia al estrés y los síntomas de ansiedad y depresión.",
        "fuentes_comunes": ["yogur", "kéfir", "chucrut", "kimchi", "kombucha"]
    }
}


def sanitize_text(text):
    if not text: return ""
    return re.sub(r'[.,;()]', '', text).lower().strip()

@retry(wait=wait_random_exponential(min=1, max=10), stop=stop_after_attempt(3))
def extract_entities_with_gemini(query):
    if not model: return None
    logger.info("Intentando extracción de entidades con Gemini...")
    system_prompt = f"""
    Eres un asistente de triaje clínico experto. Tu única tarea es analizar la consulta de un usuario y extraer dos tipos de información:
    1.  `alimentos`: Una lista exhaustiva de todos los alimentos, bebidas o ingredientes consumidos mencionados.
    2.  `sintomas`: Una lista exhaustiva de todos los síntomas, sensaciones o signos clínicos descritos.
    Devuelve la respuesta ÚNICAMENTE en formato JSON estricto. No incluyas explicaciones ni texto adicional.
    Consulta: "{query}"
    """
    try:
        response = model.generate_content(system_prompt)
        json_text_match = re.search(r'```json\s*(\{.*?\})\s*```', response.text, re.DOTALL)
        if json_text_match:
            json_text = json_text_match.group(1)
        else:
            json_text = re.search(r'\{.*\}', response.text, re.DOTALL).group(0)
        logger.info("Extracción con Gemini exitosa.")
        return json.loads(json_text)
    except (Exception, google.api_core.exceptions.GoogleAPICallError) as e:
        logger.error(f"Error en la extracción con Gemini (puede ser reintentado): {e}")
        raise e

def reinforce_entities_with_keywords(entities, query, food_map, symptom_map):
    if not entities:
        entities = {"alimentos": [], "sintomas": []}
    
    query_sanitized = sanitize_text(query)
    
    current_foods = entities.get("alimentos", []) or []
    current_foods_sanitized = {sanitize_text(f) for f in current_foods}
    for food_keyword in food_map.keys():
        if food_keyword in query_sanitized and food_keyword not in current_foods_sanitized:
            logger.info(f"Red de seguridad (Alimento): Añadiendo '{food_keyword}'.")
            current_foods.append(food_keyword)
    entities["alimentos"] = list(set(current_foods))

    current_symptoms = entities.get("sintomas", []) or []
    query_to_search_symptoms = " " + query_sanitized + " "
    
    for main_symptom, synonyms in symptom_map.items():
        for synonym in sorted(synonyms, key=len, reverse=True):
            if (" " + synonym + " ") in query_to_search_symptoms:
                if main_symptom not in current_symptoms:
                    logger.info(f"Red de seguridad (Síntoma): Normalizando '{synonym}' a '{main_symptom}'.")
                    current_symptoms.append(main_symptom)
                query_to_search_symptoms = query_to_search_symptoms.replace(" " + synonym + " ", " ")
    
    entities["sintomas"] = list(set(current_symptoms))
    return entities

def find_best_matches_hybrid(entities, data):
    if not entities or not data: return []
    user_symptoms = set(sanitize_text(s) for s in entities.get("sintomas", []))
    user_foods = set(sanitize_text(f) for f in entities.get("alimentos", []))

    # --- LISTA DE CONDICIONES RARAS (Centralizada para fácil mantenimiento) ---
    # Cualquier condición en esta lista recibirá una penalización en su puntuación.
    # El resto se considerará de probabilidad normal.
    RARE_CONDITIONS = [
        "Porfiria Aguda Intermitente (PAI).",
        "Enfermedad de Refsum del Adulto.",
        "Ataxia por Gluten.",
        "Encefalopatía por Gluten.",
        "Enfermedad de Wilson.",
        "Aciduria Argininosuccínica.",
        "Síndrome de Alagille."
        # Añade aquí otras enfermedades raras a medida que las incorpores a tu JSON.
    ]
    
    candidate_terms = set(user_foods)
    for food in user_foods:
        if food in FOOD_TO_COMPOUND_MAP:
            candidate_terms.update(c.lower() for c in FOOD_TO_COMPOUND_MAP[food])

    results = []
    for entry in data:
        entry_compounds_text = sanitize_text(entry.get("compuesto_alimento", ""))
        food_match = any(term in entry_compounds_text for term in candidate_terms)
        
        if not food_match:
            continue
            
        score_details = {'food': 20, 'symptoms': 0}
        
        entry_symptoms_keys = set(sanitize_text(s) for s in entry.get("sintomas_clave", []))
        symptom_score = 0
        matched_symptoms = []
        for user_symptom in user_symptoms:
            for key in entry_symptoms_keys:
                if key in user_symptom or user_symptom in key:
                    symptom_score += 30 
                    matched_symptoms.append(key)
                    break
                    
        score_details['symptoms'] = symptom_score
        
        if score_details['symptoms'] > 0:
            base_score = score_details['food'] + score_details['symptoms']
            
            # --- LÓGICA DE PONDERACIÓN SIMPLIFICADA ---
            condition_name = entry.get("condicion_asociada", "")
            
            if condition_name in RARE_CONDITIONS:
                # Penalización fuerte para condiciones raras
                final_score = base_score * 0.4 
            else:
                # Puntuación completa para el resto (comunes y poco comunes)
                final_score = base_score * 1.0

            score_details['total'] = int(final_score)
            
            results.append({
                'entry': entry, 
                'score': score_details, 
                'matched_symptoms': list(set(matched_symptoms))
            })

    if not results: return []
    return sorted(results, key=lambda x: x['score']['total'], reverse=True)

@retry(wait=wait_random_exponential(min=1, max=10), stop=stop_after_attempt(3))
def generate_detailed_analysis(query, match):
    if not model: return "Error: El modelo de IA no está disponible."
    if not match or not isinstance(match, dict):
        logger.error("Datos de coincidencia inválidos para análisis detallado.")
        return "Error interno al generar análisis."

    prompt_parts = [
        "Eres un asistente de IA experto en nutrición y comunicación médica. Explica conceptos complejos de forma sencilla, empática y concisa.",
        f'Caso del usuario: "{query}"',
        f'Posible conexión identificada: "{match.get("condicion_asociada", "N/A")}".',
        f'Mecanismo: "{match.get("mecanismo_fisiologico", "No especificado")}".',
        f'Recomendaciones: "{match.get("recomendaciones_examenes", "No especificadas")}".',
        f'Alimentos implicados: "{match.get("compuesto_alimento", "No especificados")}".',
        "\n**Tu Tarea:** Redacta una respuesta clara y útil para el usuario usando Markdown, siguiendo esta estructura OBLIGATORIA:",
        f'### Posible Causa: {match.get("condicion_asociada", "Condición no especificada")}',
        f'Hola. Basado en lo que mencionaste, podría existir una relación con una condición conocida como **{match.get("condicion_asociada", "esta condición")}**.',
        f'### ¿Qué podría estar pasando en tu cuerpo?',
        'Explica el mecanismo mencionado en términos muy sencillos (usa una analogía si es posible).',
        "\n### Pasos a Seguir",
        "Estas son recomendaciones generales. Es fundamental que las converses con un profesional de la salud:",
        f'*   **[Consejo práctico basado en las recomendaciones mencionadas.]**',
        f'*   **[Sugerencia de exámenes si los hay, basado en las recomendaciones.]**',
        f'*   **Otros alimentos a observar:** Ten en cuenta otros alimentos como: **[menciona 2-3 ejemplos de los alimentos implicados]**.',
        "\n### **IMPORTANTE: Descargo de Responsabilidad**",
        "Este análisis es una herramienta informativa de IA, **NO un diagnóstico médico.** Consulta siempre a un profesional cualificado para evaluar tu caso."
    ]
    prompt = "\n".join(prompt_parts)
    try:
        logger.info(f"Generando análisis detallado para {match.get('condicion_asociada')}")
        response = model.generate_content(prompt)
        if response.text and len(response.text) > 1:
            logger.info("Análisis detallado generado con éxito.")
            return response.text
        else:
            logger.error("La respuesta de Gemini para el análisis detallado fue vacía.")
            raise ValueError("Respuesta vacía de la API")
    except (Exception, google.api_core.exceptions.GoogleAPICallError) as e:
        logger.error(f"Error generando análisis detallado (puede ser reintentado): {e}")
        raise e

def create_relevance_chart(results):
    # Modificado para mostrar hasta 10 resultados en el gráfico
    top_results = results[:10] 
    
    condition_names = [re.sub(r'\(.*\)', '', res['entry']['condicion_asociada']).strip() for res in top_results]
    chart_data = {"Condición": condition_names, "Relevancia": [res['score']['total'] for res in top_results]}
    source = pd.DataFrame(chart_data)
    
    chart = alt.Chart(source).mark_bar(color='#1f77b4').encode(
        x=alt.X('Relevancia:Q', title='Puntuación de Relevancia'),
        y=alt.Y('Condición:N', sort='-x', title='', axis=alt.Axis(labelLimit=300)),
        tooltip=[alt.Tooltip('Condición:N', title='Condición'), alt.Tooltip('Relevancia:Q', title='Puntuación')]
    ).properties(
        title='Principales Coincidencias según tu Caso'
    ).configure_axis(
        labelFontSize=12, 
        titleFontSize=14
    ).configure_title(
        fontSize=16, 
        anchor='start'
    )
    
    return chart
    
def generate_report_text(query, results):
    report_lines = ["="*50, "INFORME DEL DETECTIVE DE ALIMENTOS", "="*50, f"Fecha: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n", f"CONSULTA ORIGINAL DEL USUARIO:\n'{query}'\n", "-"*50]
    if results:
        best_match = results[0]['entry']
        report_lines.extend([f"PRINCIPAL COINCIDENCIA ENCONTRADA:\n", f"Condición: {best_match.get('condicion_asociada', 'N/A')}", f"Mecanismo Posible: {best_match.get('mecanismo_fisiologico', 'N/A')}", f"Recomendaciones Generales: {best_match.get('recomendaciones_examenes', 'N/A')}\n"])
        if len(results) > 1:
            report_lines.extend(["-"*50, "OTRAS POSIBILIDADES CONSIDERADAS (DIAGNÓSTICO DIFERENCIAL):\n"])
            for i, res in enumerate(results[1:4]):
                report_lines.append(f"{i+2}. {res['entry'].get('condicion_asociada', 'N/A')} (Puntuación: {res['score']['total']})")
    report_lines.extend(["\n" + "="*50, "IMPORTANTE: Este informe es generado por una herramienta de IA y no constituye un diagnóstico médico..."])
    return "\n".join(report_lines)

col_img1, col_text, col_img2 = st.columns([1, 4, 1], gap="medium")
with col_img1:
    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.")
with col_img2:
    if os.path.exists("buho.png"): st.image("buho.png", width=120)
st.markdown("---")

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 = ""
if 'entities' not in st.session_state: st.session_state.entities = None
if 'analysis_cache' not in st.session_state: st.session_state.analysis_cache = {}
if 'query' not in st.session_state: st.session_state.query = ""
if 'start_analysis' not in st.session_state: st.session_state.start_analysis = False

def clear_search_state():
    st.session_state.search_results = None
    st.session_state.user_query = ""
    st.session_state.entities = None
    st.session_state.analysis_cache = {}

def set_query_and_trigger_analysis(example_text):
    st.session_state.query = example_text
    st.session_state.start_analysis = True

st.write("**¿No sabes por dónde empezar? Prueba con un ejemplo:**")
example_cols = st.columns(3)
example_queries = ["Cuando como mucha carne me duele, hincha y se pone rojo el primer dedo del pie.", "Después de tomar leche, tengo muchos gases e hinchazón.", "El vino tinto siempre me da dolor de cabeza, a que se debe"]
if example_cols[0].button(example_queries[0]): set_query_and_trigger_analysis(example_queries[0])
if example_cols[1].button(example_queries[1]): set_query_and_trigger_analysis(example_queries[1])
if example_cols[2].button(example_queries[2]): set_query_and_trigger_analysis(example_queries[2])

with st.form(key="search_form"):
    st.text_area("Describe tu caso aquí:", height=150, key="query")
    if st.form_submit_button("Analizar mi caso", type="primary"):
        st.session_state.start_analysis = True

if st.session_state.start_analysis:
    st.session_state.start_analysis = False
    query_to_analyze = st.session_state.query
    
    clear_search_state()
    st.session_state.user_query = query_to_analyze
    
    if not query_to_analyze:
        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.")
    else:
        entities = None
        with st.spinner("🧠 Interpretando tu caso y buscando pistas..."):
            try:
                entities = extract_entities_with_gemini(query_to_analyze)
            except Exception as e:
                logger.warning(f"La extracción con Gemini falló; se usará el sistema de respaldo: {e}")
            
            entities = reinforce_entities_with_keywords(entities, query_to_analyze, FOOD_TO_COMPOUND_MAP, SYMPTOM_KEYWORD_MAP)
            st.session_state.entities = entities
        
        if entities and (entities.get("alimentos") or entities.get("sintomas")):
            info_str = f"Pistas identificadas - Alimentos: {', '.join(entities.get('alimentos',[])) or 'Ninguno'}, Síntomas: {', '.join(entities.get('sintomas',[])) or 'Ninguno'}"
            st.info(info_str)
            with st.spinner("🔬 Cruzando información y calculando relevancia..."):
                results = find_best_matches_hybrid(entities, alimentos_data)
                st.session_state.search_results = results
        else:
            st.error("No se pudieron identificar alimentos o síntomas claros en tu descripción. Intenta ser más específico.")
            st.session_state.search_results = []
if st.session_state.search_results is not None:
    results = st.session_state.search_results
    
    if not results:
        st.warning(f"No se encontraron coincidencias claras para tu caso: '{st.session_state.user_query}'. Prueba a describir los síntomas de otra manera.")
    else:
        col1, col2 = st.columns([3,1])
        with col1:
            st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso.")
        with col2:
            report_data = generate_report_text(st.session_state.user_query, results)
            st.download_button(label="📄 Descargar Informe", data=report_data, file_name=f"informe_detective_{datetime.now().strftime('%Y%m%d')}.txt", mime="text/plain")
        
        st.subheader("Análisis de Relevancia de las Coincidencias")
        st.altair_chart(create_relevance_chart(results), use_container_width=True)
        
        best_match_data = results[0]
        best_match = best_match_data['entry']
        with st.expander(f"**Análisis Detallado de la Principal Coincidencia: {best_match.get('condicion_asociada')}**", expanded=True):
            # Las columnas se crean DENTRO del expander
            col1, col2 = st.columns([3, 1])
            
            # Contenido de la primera columna
            with col1:
                st.markdown("##### Desglose de la Puntuación de Relevancia:")
                score_col1, score_col2, score_col3 = st.columns(3)
                score_col1.metric("Puntos por Alimento(s)", f"{best_match_data['score']['food']}")
                score_col2.metric("Puntos por Síntomas", f"{best_match_data['score']['symptoms']}")
                score_col3.metric("PUNTUACIÓN TOTAL", f"{best_match_data['score']['total']}", delta="Máxima coincidencia")
            
            # Contenido de la segunda columna (AHORA CORRECTAMENTE INDENTADO)
            with col2:
                st.write("") # Para alinear verticalmente el popover
                if foodb_index:
                    with st.popover("🔬 Componentes moleculares"):
                        st.info("Información de la base de datos FoodB (en inglés).")
                        user_foods_mentioned = st.session_state.entities.get("alimentos", [])
                        
                        if not user_foods_mentioned:
                            st.warning("No se identificó un alimento específico para buscar.")
                        else:
                            found_data = False
                            displayed_foodb_keys = set()
                            
                            for alimento_es in user_foods_mentioned:
                                search_terms_en = []
                                for key_es, value_en_list in FOOD_NAME_TO_FOODB_KEY.items():
                                    if key_es in alimento_es.lower():
                                        search_terms_en.extend(value_en_list)
                                
                                for term in set(search_terms_en):
                                    for foodb_key, foodb_data in foodb_index.items():
                                        if term in foodb_key and foodb_key not in displayed_foodb_keys:
                                            found_data = True
                                            displayed_foodb_keys.add(foodb_key)
                                            with st.container(border=True):
                                                st.subheader(f"Análisis de: {foodb_key.capitalize()}")
                                                for item in foodb_data[:3]:
                                                    st.write(f"**Compuesto:** {item['compound']}")
                                                    st.write(f"**Efectos reportados:** {', '.join(item['effects'])}")
                                                st.markdown("---")
                            
                            if not found_data:
                                st.warning("No se encontraron datos moleculares para los alimentos mencionados.")

            # El separador y el spinner van DESPUÉS de las columnas, pero DENTRO del expander
            st.markdown("---")
            with st.spinner("✍️ Generando un análisis personalizado con IA..."):
                if 'best_match_analysis' not in st.session_state.analysis_cache:
                    try:
                        analysis_text = generate_detailed_analysis(st.session_state.user_query, best_match)
                        st.session_state.analysis_cache['best_match_analysis'] = analysis_text
                    except Exception as e:
                        logger.error(f"Falló la generación del análisis detallado principal: {e}")
                        st.session_state.analysis_cache['best_match_analysis'] = "❌ Lo sentimos, no se pudo generar el análisis detallado en este momento debido a un problema con la IA. Por favor, intenta de nuevo más tarde."
                st.markdown(st.session_state.analysis_cache['best_match_analysis'])
        
        # El expander de "Otras posibilidades" va DESPUÉS del expander principal
        if len(results) > 1:
            with st.expander("🔍 **Explora otras posibilidades relevantes (Diagnóstico Diferencial)**"):
                for i, result in enumerate(results[1:5]): 
                    with st.container(border=True):
                        entry = result['entry']
                        score = result['score']
                        
                        st.subheader(f"{i+2}. {entry.get('condicion_asociada')}")
                        col_info, col_action = st.columns([3, 1])
                        
                        with col_info:
                            if result.get('matched_symptoms'):
                                st.markdown(f"**Pistas Clave (Síntomas Coincidentes):** {', '.join(result['matched_symptoms']).capitalize()}")
                            st.markdown(f"**Alimentos Típicos Asociados:** {entry.get('compuesto_alimento')}")
                        
                        with col_action:
                            st.metric("Relevancia", score['total'])
                            analysis_key = f"analysis_{i+2}"
                            
                            if st.button("Generar análisis", key=analysis_key, help=f"Generar análisis de IA para {entry.get('condicion_asociada')}"):
                                with st.spinner(f"Generando análisis para {entry.get('condicion_asociada')}..."):
                                    try:
                                        analysis_text = generate_detailed_analysis(st.session_state.user_query, entry)
                                        st.session_state.analysis_cache[analysis_key] = analysis_text
                                    except Exception as e:
                                        st.session_state.analysis_cache[analysis_key] = f"❌ Error al generar análisis para {entry.get('condicion_asociada')}."

                        if analysis_key in st.session_state.analysis_cache:
                            st.info(st.session_state.analysis_cache[analysis_key])
                        
                        if i < len(results[1:5]) - 1:
                            st.markdown("---")