Update app.py

app.py

@@ -624,7 +624,49 @@ def find_best_matches_hybrid(entities, data):
     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 find_best_foodb_match(user_foods_es, foodb_index_keys, food_name_map):
+    """
+    Encuentra la mejor y única coincidencia de alimento en la base de datos de FoodB.
+    """
+    if not user_foods_es:
+        return None
+
+    # 1. Traducir y encontrar el término más específico (el más largo)
+    search_terms_en = set()
+    for food_es in user_foods_es:
+        for key_es, value_en_list in food_name_map.items():
+            if key_es in food_es.lower():
+                search_terms_en.update(value_en_list)
+    
+    if not search_terms_en:
+        return None
+        
+    sorted_terms = sorted(list(search_terms_en), key=len, reverse=True)
+
+    # 2. Búsqueda por prioridades
+    # Prioridad 1: Coincidencia perfecta
+    for term in sorted_terms:
+        for key in foodb_index_keys:
+            if term == key.lower():
+                return key
+
+    # Prioridad 2: Coincidencia de inicio de palabra
+    for term in sorted_terms:
+        for key in foodb_index_keys:
+            if key.lower().startswith(term):
+                return key
+
+    # Prioridad 3: Coincidencia general (contiene)
+    for term in sorted_terms:
+        for key in foodb_index_keys:
+            if term in key.lower():
+                return key
+    
+    return None # No se encontró ninguna coincidencia
+    
 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):
@@ -812,13 +854,14 @@ if st.session_state.search_results is not None:
                 score_col3.metric("PUNTUACIÓN TOTAL", f"{best_match_data['score']['total']}", delta="Máxima coincidencia")
             
             with col2_expander:
+
                 st.write("") 
                 if foodb_index:
                     with st.popover("🔬 Componentes Moleculares Relevantes"):
                         
                         REMEDIAL_PREFIXES = ("anti", "preventive", "remedy", "treatment", "inhibitor")
 
-                        st.info("Compuestos en los alimentos mencionados que podrían estar relacionados con tus síntomas.")
+                        st.info("Compuestos en el alimento más relevante que podrían estar relacionados con tus síntomas.")
                         
                         user_foods_mentioned = st.session_state.entities.get("alimentos", [])
                         user_symptoms_es = st.session_state.entities.get("sintomas", [])
@@ -826,67 +869,57 @@ if st.session_state.search_results is not None:
                         if not user_foods_mentioned or not user_symptoms_es:
                             st.warning("Se necesita al menos un alimento y un síntoma para el análisis molecular.")
                         else:
-                            found_any_data = False
-                            
-                            search_terms_en = []
-                            for alimento_es in user_foods_mentioned:
-                                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)
-                            
-                            symptom_keywords_en = []
-                            for symptom_es in user_symptoms_es:
-                                if symptom_es in MASTER_SYMPTOM_MAP:
-                                    symptom_keywords_en.extend(MASTER_SYMPTOM_MAP[symptom_es].get('keywords_en', []))
-                            
-                            for foodb_key, compounds_data in foodb_index.items():
-                                if any(term in foodb_key.lower() for term in set(search_terms_en)):
+                            # 1. Encontrar la mejor y única coincidencia de alimento
+                            best_food_match_key = find_best_foodb_match(user_foods_mentioned, foodb_index.keys(), FOOD_NAME_TO_FOODB_KEY)
+
+                            if not best_food_match_key:
+                                st.warning("No se encontraron datos moleculares para los alimentos específicos mencionados.")
+                            else:
+                                # 2. Realizar el análisis solo en la mejor coincidencia
+                                st.subheader(f"Análisis de: {best_food_match_key.capitalize()}")
+                                
+                                compounds_data = foodb_index[best_food_match_key]
+                                symptom_keywords_en = []
+                                for symptom_es in user_symptoms_es:
+                                    if symptom_es in MASTER_SYMPTOM_MAP:
+                                        symptom_keywords_en.extend(MASTER_SYMPTOM_MAP[symptom_es].get('keywords_en', []))
+
+                                causative_compounds = []
+                                remedial_compounds = []
+
+                                for item in compounds_data:
+                                    effects_en = item.get("effects", [])
+                                    is_causative = False
+                                    is_remedial = False
+                                    
+                                    for effect in effects_en:
+                                        if any(keyword in effect.lower() for keyword in symptom_keywords_en):
+                                            if effect.lower().startswith(REMEDIAL_PREFIXES):
+                                                is_remedial = True
+                                            else:
+                                                is_causative = True
                                     
-                                    causative_compounds = []
-                                    remedial_compounds = []
-
-                                    for item in compounds_data:
-                                        effects_en = item.get("effects", [])
-                                        is_causative = False
-                                        is_remedial = False
-                                        
-                                        # Clasificar los efectos
-                                        for effect in effects_en:
-                                            if any(keyword in effect.lower() for keyword in symptom_keywords_en):
-                                                if effect.lower().startswith(REMEDIAL_PREFIXES):
-                                                    is_remedial = True
-                                                else:
-                                                    is_causative = True
-                                        
-                                        if is_causative:
-                                            causative_compounds.append(item)
-                                        elif is_remedial:
-                                            remedial_compounds.append(item)
-
-                                    if causative_compounds or remedial_compounds:
-                                        found_any_data = True
-                                        with st.container(border=True):
-                                            st.subheader(f"Análisis de: {foodb_key.capitalize()}")
-
-                                            # Mostrar compuestos causantes primero
-                                            if causative_compounds:
-                                                st.markdown("###### 🔬 Posibles Compuestos Causantes:")
-                                                for item in causative_compounds[:3]:
-                                                    st.write(f"**Compuesto:** {item['compound']}")
-                                                    relevant_effects = [eff for eff in item['effects'] if any(kw in eff.lower() and not eff.lower().startswith(REMEDIAL_PREFIXES) for kw in symptom_keywords_en)]
-                                                    st.write(f"**Efectos Relevantes:** {', '.join(relevant_effects)}")
-                                            
-                                            # Mostrar compuestos remediales después
-                                            if remedial_compounds:
-                                                st.markdown("###### 💊 Compuestos con Efectos Potencialmente Beneficiosos:")
-                                                for item in remedial_compounds[:3]:
-                                                    st.write(f"**Compuesto:** {item['compound']}")
-                                                    relevant_effects = [eff for eff in item['effects'] if any(kw in eff.lower() and eff.lower().startswith(REMEDIAL_PREFIXES) for kw in symptom_keywords_en)]
-                                                    st.write(f"**Efectos Relevantes:** {', '.join(relevant_effects)}")
-                                        st.markdown("---")
-
-                            if not found_any_data:
-                                st.warning("No se encontraron compuestos moleculares directamente relacionados con tus síntomas para los alimentos mencionados.")
+                                    if is_causative:
+                                        causative_compounds.append(item)
+                                    elif is_remedial:
+                                        remedial_compounds.append(item)
+
+                                # 3. Mostrar los resultados de forma priorizada
+                                if causative_compounds:
+                                    st.markdown("###### 🔬 Posibles Compuestos Desencadenantes:")
+                                    for item in causative_compounds[:5]:
+                                        st.write(f"**Compuesto:** {item['compound']}")
+                                        relevant_effects = [eff for eff in item['effects'] if any(kw in eff.lower() and not eff.lower().startswith(REMEDIAL_PREFIXES) for kw in symptom_keywords_en)]
+                                        st.write(f"**Efectos Relevantes:** {', '.join(relevant_effects)}")
+                                elif remedial_compounds:
+                                    st.markdown("###### 💊 Compuestos con Efectos Potencialmente Beneficiosos:")
+                                    st.caption("No se encontraron compuestos desencadenantes directos. Sin embargo, se encontraron estos compuestos con efectos potencialmente positivos.")
+                                    for item in remedial_compounds[:5]:
+                                        st.write(f"**Compuesto:** {item['compound']}")
+                                        relevant_effects = [eff for eff in item['effects'] if any(kw in eff.lower() and eff.lower().startswith(REMEDIAL_PREFIXES) for kw in symptom_keywords_en)]
+                                        st.write(f"**Efectos Relevantes:** {', '.join(relevant_effects)}")
+                                else:
+                                    st.write("No se encontraron compuestos relevantes para tus síntomas en este alimento.")
             
             st.markdown("---")