Update app.py

app.py

@@ -1,4 +1,5 @@
 # ====================    El Detective de Alimentos v 2.0
+# ====================    El Detective de Alimentos v 2.0
 # 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
@@ -1067,49 +1068,53 @@ if st.session_state.search_results is not None:
     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:
-        # --- CORRECCIÓN APLICADA: Definir best_match y best_match_data al principio ---
+        # --- PASO 1: GENERAR TODO EL CONTENIDO DEL INFORME EN LA MEMORIA ---
         best_match_data = results[0]
         best_match = best_match_data['entry']
+        
+        # Generar análisis detallado con IA (la parte más lenta) y guardarlo en caché
+        if 'best_match_analysis' not in st.session_state.analysis_cache:
+            with st.spinner("✍️ Generando análisis personalizado con IA..."):
+                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."
+        
+        # Recuperar o usar el texto ya generado
+        ai_analysis_text = st.session_state.analysis_cache['best_match_analysis']
 
-        # Ahora el resto del código puede usar 'best_match' y 'best_match_data' sin problemas
+        # Generar los otros componentes de texto para el informe
+        base_report_text = generate_report_text(st.session_state.user_query, results)
+        neuro_report_text = generate_neuro_report_text(st.session_state.entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP)
+        molecular_report_text = generate_molecular_report_text(best_match, st.session_state.entities, foodb_index, FOOD_NAME_TO_FOODB_KEY, COMPOUND_SYNONYM_MAP, KNOWN_TRIGGERS_MAP)
+        
+        # Unir todo en un solo string para el informe de Word
+        complete_report_string = f"{base_report_text}\n\n{ai_analysis_text}\n{neuro_report_text}\n{molecular_report_text}"
+        
+        # Generar el archivo de Word en memoria con todo el contenido
+        word_file_buffer = generate_word_report(complete_report_string)
+
+        # --- PASO 2: CONSTRUIR LA INTERFAZ DE USUARIO USANDO EL CONTENIDO PRE-GENERADO ---
         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:
-            if 'report_generated' not in st.session_state:
-                st.session_state.report_generated = False
-                st.session_state.word_file_buffer = None
-
-            if st.button("📄 Preparar Informe (Word)", key="prepare_report"):
-                with st.spinner("Generando su informe personalizado, por favor espere..."):
-                    ai_analysis_text = st.session_state.analysis_cache.get('best_match_analysis', "Análisis con IA no generado.")
-                    base_report_text = generate_report_text(st.session_state.user_query, results)
-                    neuro_report_text = generate_neuro_report_text(st.session_state.entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP)
-                    molecular_report_text = generate_molecular_report_text(best_match, st.session_state.entities, foodb_index, FOOD_NAME_TO_FOODB_KEY, COMPOUND_SYNONYM_MAP, KNOWN_TRIGGERS_MAP)
-                    
-                    complete_report_string = f"{base_report_text}\n\n{ai_analysis_text}\n{neuro_report_text}\n{molecular_report_text}"
-                    
-                    st.session_state.word_file_buffer = generate_word_report(complete_report_string)
-                    st.session_state.report_generated = True
-                    st.rerun()
-            
-            if st.session_state.report_generated and st.session_state.word_file_buffer:
+            if word_file_buffer:
                 st.download_button(
-                    label="✅ Descargar Informe Ahora",
-                    data=st.session_state.word_file_buffer,
+                    label="📄 Descargar Informe Completo (Word)", 
+                    data=word_file_buffer, 
                     file_name=f"Informe_Detective_Alimentos_{datetime.now().strftime('%Y%m%d')}.docx",
                     mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
                     key="download_word_report"
                 )
-                st.success("¡Su informe está listo!")
         
         st.subheader("Análisis de Relevancia de las Coincidencias")
         st.altair_chart(create_relevance_chart(results), use_container_width=True)
         
         with st.expander(f"**Análisis Detallado de la Principal Coincidencia: {best_match.get('condicion_asociada')}**", expanded=True):
             col1_expander, col2_expander = st.columns([3, 1])
-            
             with col1_expander:
                 st.markdown("##### Desglose de la Puntuación de Relevancia:")
                 score_col1, score_col2, score_col3 = st.columns(3)
@@ -1118,27 +1123,18 @@ 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:
-                with st.popover("🔬 Componentes Moleculares del Diagnóstico"):
-                    molecular_report_text_display = generate_molecular_report_text(best_match, st.session_state.entities, foodb_index, FOOD_NAME_TO_FOODB_KEY, COMPOUND_SYNONYM_MAP, KNOWN_TRIGGERS_MAP)
-                    st.markdown(molecular_report_text_display.replace("=", ""))
+                with st.popover("🔬 Componentes Moleculares"):
+                    # Muestra el texto del informe molecular que ya generamos
+                    st.markdown(molecular_report_text.replace("=", ""))
 
             st.markdown("---")
             with st.container(border=True):
-                neuro_report_text_display = generate_neuro_report_text(st.session_state.entities, FOOD_TO_COMPOUND_MAP, INTEGRATED_NEURO_FOOD_MAP)
-                st.markdown(neuro_report_text_display.replace("=", ""))
+                 # Muestra el texto del informe neuropsicológico que ya generamos
+                st.markdown(neuro_report_text.replace("=", ""))
             
             st.markdown("---")
-            
-            if 'best_match_analysis' not in st.session_state.analysis_cache:
-                with st.spinner("✍️ Generando análisis personalizado con IA..."):
-                    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."
-            
-            st.markdown(st.session_state.analysis_cache.get('best_match_analysis', "Cargando análisis..."))
+            # Muestra el análisis detallado con IA que ya generamos
+            st.markdown(ai_analysis_text)
         
         if len(results) > 1:
             with st.expander("🔍 **Explora otras posibilidades relevantes (Diagnóstico Diferencial)**"):