Update app.py

app.py

@@ -957,44 +957,34 @@ if st.session_state.search_results is not None:
                 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")
             
-with col2_expander:
+            with col2_expander:
                 st.write("") 
                 if foodb_index:
                     with st.popover("🔬 Componentes Moleculares del Diagnóstico"):
-                        
                         st.info("Análisis de los compuestos en los alimentos mencionados que están directamente implicados en el diagnóstico principal.")
-                        
                         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:
-                            # --- LÓGICA HÍBRIDA MEJORADA ---
+                            main_diagnosis_symptoms = set(s.lower() for s in best_match.get("sintomas_clave", []))
                             target_compounds = set()
                             
-                            # 1. PRIORIDAD 1: Intentar extraer el compuesto directamente del diagnóstico.
                             target_compounds_text = best_match.get("compuesto_alimento", "").lower()
-                            cleaned_text = re.sub(r'\(.*?\)', '', target_compounds_text) # Limpiar texto en paréntesis
-                            direct_keywords = set(re.findall(r'\b[a-zA-Z-]+\b', cleaned_text)) # Extraer palabras
+                            cleaned_text = re.sub(r'\(.*?\)', '', target_compounds_text)
+                            direct_keywords = set(re.findall(r'\b[a-zA-Z-]+\b', cleaned_text))
                             
-                            # Filtrar palabras genéricas para forzar el fallback si es necesario
                             generic_words = {'y', 'o', 'en', 'con', 'lácteos', 'carnes', 'pescados'}
                             direct_keywords -= generic_words
                             
                             if direct_keywords:
                                 target_compounds.update(direct_keywords)
-                                logger.info(f"Método Directo: Compuestos objetivo encontrados: {target_compounds}")
                             
-                            # 2. PRIORIDAD 2: Si el método directo falla o es muy genérico, usar el método indirecto.
                             if not target_compounds:
-                                logger.info("Método Directo falló, usando Fallback (método indirecto)...")
-                                main_diagnosis_symptoms = set(s.lower() for s in best_match.get("sintomas_clave", []))
                                 for compound, triggered_symptoms in KNOWN_TRIGGERS_MAP.items():
-                                    # Usar intersection para encontrar síntomas compartidos
                                     if main_diagnosis_symptoms.intersection(triggered_symptoms):
                                         target_compounds.add(compound.lower())
-                                logger.info(f"Método Indirecto: Compuestos objetivo encontrados: {target_compounds}")
-
+                            
                             if not target_compounds:
                                 st.warning(f"No se pudieron determinar los compuestos moleculares clave para '{best_match.get('condicion_asociada')}'.")
                             else:
@@ -1008,10 +998,8 @@ with col2_expander:
                                         relevant_compounds = []
                                         for item in compounds_data:
                                             compound_name_lower = item['compound'].lower()
-                                            # Comprobar si el nombre del compuesto contiene ALGUNA de las palabras clave objetivo
                                             if any(target in compound_name_lower for target in target_compounds):
                                                 relevant_compounds.append(item)
-                                        
                                         if relevant_compounds:
                                             found_any_data = True
                                             with st.container(border=True):
@@ -1020,7 +1008,6 @@ with col2_expander:
                                                 for item in relevant_compounds[:5]:
                                                     st.write(f"**Compuesto:** {item['compound']}")
                                                     st.caption(f"Este compuesto está directamente relacionado con '{best_match.get('condicion_asociada')}'.")
-                                    
                                     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.")
             
@@ -1056,6 +1043,73 @@ with col2_expander:
                         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'])
         
+        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])
+                    
+                    # --- 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("---")
+
+
+            with st.container(border=True):
+                st.markdown("##### 🧠 Posibles Efectos Neuropsicológicos de los Componentes")
+                user_foods = st.session_state.entities.get("alimentos", [])
+                relevant_compounds = set()
+                if user_foods:
+                    for food in user_foods:
+                        if food in FOOD_TO_COMPOUND_MAP:
+                            relevant_compounds.update(FOOD_TO_COMPOUND_MAP[food])
+                found_neuro_effect = False
+                if relevant_compounds:
+                    for compound in sorted(list(relevant_compounds)):
+                        if compound in INTEGRATED_NEURO_FOOD_MAP:
+                            found_neuro_effect = True
+                            effect_info = INTEGRATED_NEURO_FOOD_MAP[compound]
+                            with st.container(border=True):
+                                st.subheader(f"Componente: {compound.capitalize()}")
+                                st.markdown(f"**Efecto:** {effect_info['efecto_neuropsicologico']}")
+                if not found_neuro_effect:
+                    st.info("No se encontraron efectos neuropsicológicos específicos en la base de datos para los componentes de los alimentos mencionados.")
+            
+            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'])
+        
         if len(results) > 1:
             with st.expander("🔍 **Explora otras posibilidades relevantes (Diagnóstico Diferencial)**"):
                 for i, result in enumerate(results[1:5]):