Update app.py

app.py

@@ -752,9 +752,11 @@ def find_best_matches_hybrid(entities, data):
 
 @retry(wait=wait_random_exponential(min=1, max=10), stop=stop_after_attempt(3))
 
+
 def find_best_foodb_matches(user_foods_es, foodb_index_keys, food_name_map, limit=3):
     """
-    Encuentra una lista de las mejores coincidencias de alimentos en FoodB, priorizando la especificidad.
+    Encuentra una lista de las mejores coincidencias de alimentos en FoodB, 
+    utilizando búsqueda de palabras completas para máxima precisión.
     """
     if not user_foods_es:
         return []
@@ -772,15 +774,15 @@ def find_best_foodb_matches(user_foods_es, foodb_index_keys, food_name_map, limi
     
     found_matches = []
     
-    # Búsqueda por prioridades para encontrar varias coincidencias relevantes
+    # Búsqueda por prioridades
     all_possible_matches = []
     for term in sorted_terms:
         # Prioridad 1: Coincidencia perfecta
         all_possible_matches.extend([key for key in foodb_index_keys if term == key.lower()])
-        # Prioridad 2: Coincidencia de inicio
-        all_possible_matches.extend([key for key in foodb_index_keys if key.lower().startswith(term)])
-        # Prioridad 3: Coincidencia general
-        all_possible_matches.extend([key for key in foodb_index_keys if term in key.lower()])
+        # Prioridad 2: Coincidencia de palabra completa (usando regex)
+        # Esto encontrará 'beef' en 'Beef, steak' pero no 'lamb' en 'Lambsquarters'
+        regex = r'\b' + re.escape(term) + r'\b'
+        all_possible_matches.extend([key for key in foodb_index_keys if re.search(regex, key, re.IGNORECASE)])
 
     # Eliminar duplicados manteniendo el orden
     for match in all_possible_matches:
@@ -983,26 +985,24 @@ if st.session_state.search_results is not None:
                         if not user_foods_mentioned:
                             st.warning("No se identificó un alimento específico para buscar.")
                         else:
-                            initial_clues = set()
+                            target_clues = set()
                             direct_text = best_match.get("compuesto_alimento", "").lower()
                             cleaned_text = re.sub(r'\(.*?\)', '', direct_text)
-                            initial_clues.update(re.findall(r'\b[a-zA-Z-]+\b', cleaned_text))
-
-                            main_diagnosis_symptoms = set(s.lower() for s in best_match.get("sintomas_clave", []))
-                            for compound, triggered_symptoms in KNOWN_TRIGGERS_MAP.items():
-                                if main_diagnosis_symptoms.intersection(triggered_symptoms):
-                                    initial_clues.add(compound.lower())
+                            target_clues.update(re.findall(r'\b[a-zA-Z-]+\b', cleaned_text))
 
                             final_search_keywords = set()
-                            for clue in initial_clues:
-                                final_search_keywords.add(clue)
+                            for clue in target_clues:
                                 if clue in COMPOUND_SYNONYM_MAP:
                                     final_search_keywords.update(COMPOUND_SYNONYM_MAP[clue])
+                                else:
+                                    final_search_keywords.add(clue)
                             
                             if not final_search_keywords:
                                 st.warning(f"No se pudieron determinar los compuestos moleculares clave para '{best_match.get('condicion_asociada')}'.")
                             else:
+                                logger.info(f"Buscando compuestos moleculares con las palabras clave: {final_search_keywords}")
                                 best_food_matches = find_best_foodb_matches(user_foods_mentioned, foodb_index.keys(), FOOD_NAME_TO_FOODB_KEY)
+                                
                                 if not best_food_matches:
                                     st.warning("No se encontraron datos moleculares para los alimentos específicos mencionados.")
                                 else:
@@ -1014,6 +1014,7 @@ if st.session_state.search_results is not None:
                                             compound_name_lower = item['compound'].lower()
                                             if any(target in compound_name_lower for target in final_search_keywords):
                                                 relevant_compounds.append(item)
+                                        
                                         if relevant_compounds:
                                             found_any_data = True
                                             with st.container(border=True):
@@ -1023,11 +1024,12 @@ if st.session_state.search_results is not None:
                                                 for item in relevant_compounds:
                                                     if item['compound'] not in unique_compounds_shown:
                                                         st.write(f"**Compuesto:** {item['compound']}")
-                                                        st.caption(f"Este compuesto está directamente relacionado con '{best_match.get('condicion_asociada')}'.")
+                                                        st.caption(f"Este compuesto es un tipo de **{', '.join(target_clues).capitalize()}** implicado en '{best_match.get('condicion_asociada')}'.")
                                                         unique_compounds_shown.add(item['compound'])
+                                    
                                     if not found_any_data:
                                         st.warning(f"No se encontraron los compuestos específicos de '{best_match.get('condicion_asociada')}' en los alimentos analizados en la base de datos FoodB.")
-            
+
             st.markdown("---")
             with st.container(border=True):
                 st.markdown("##### 🧠 Posibles Efectos Neuropsicológicos de los Componentes")
@@ -1090,7 +1092,5 @@ if st.session_state.search_results is not None:
                         if analysis_key in st.session_state.analysis_cache:
                             st.info(st.session_state.analysis_cache[analysis_key])
                     
-                    # --- LÍNEA CORREGIDA ---
-                    # Esta línea ahora está fuera del 'with st.container' pero dentro del 'for' loop.
                     if i < len(results[1:5]) - 1:
                         st.markdown("---")