Update app.py

app.py

@@ -55,7 +55,20 @@ def load_data():
         st.error(f"Error cargando los archivos de datos: {e}")
         return None, None
 alimentos_data, foodb_index = load_data()
-
+KNOWN_TRIGGERS_MAP = {
+    "Histamine": ["dolor de cabeza", "migraña", "inflamación", "congestión nasal", "picazón", "erupción"],
+    "Tyramine": ["dolor de cabeza", "migraña"],
+    "Phenylethylamine": ["dolor de cabeza", "migraña"],
+    "Gluten": ["niebla mental", "dolor abdominal", "diarrea", "inflamación", "dolor articular"],
+    "Casein": ["niebla mental", "inflamación", "acné"],
+    "Lactose": ["hinchazón", "gases", "diarrea", "dolor abdominal"],
+    "Fructans": ["hinchazón", "gases", "dolor abdominal"],
+    "Caffeine": ["ansiedad", "dolor de cabeza", "insomnio"], # Puede causar y remediar dolores de cabeza
+    "Alcohol": ["dolor de cabeza", "niebla mental", "inflamación"],
+    "Capsaicin": ["dolor", "acidez"],
+    "Solanine": ["dolor articular", "inflamación"],
+    "Lectins": ["inflamación", "dolor articular", "hinchazón"]
+}
 MASTER_SYMPTOM_MAP = {
     "dolor abdominal": {
         "frases_es": ["dolor de estómago", "dolor de panza", "dolor abdominal", "retortijones", "cólicos", "calambres abdominales"],
@@ -859,7 +872,7 @@ if st.session_state.search_results is not None:
                 if foodb_index:
                     with st.popover("🔬 Componentes Moleculares Relevantes"):
                         
-                        REMEDIAL_PREFIXES = ("anti", "preventive", "remedy", "treatment", "inhibitor")
+                        REMEDIAL_PREFIXES = ("anti", "preventive", "remedy", "treatment", "inhibitor", "anxiolytic", "analgesic")
 
                         st.info("Compuestos en el alimento más relevante que podrían estar relacionados con tus síntomas.")
                         
@@ -869,29 +882,37 @@ 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:
-                            # 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', []))
+                                symptom_keywords_en = {kw for sym in user_symptoms_es if sym in MASTER_SYMPTOM_MAP for kw in MASTER_SYMPTOM_MAP[sym].get('keywords_en', [])}
 
                                 causative_compounds = []
                                 remedial_compounds = []
 
                                 for item in compounds_data:
+                                    compound_name = item['compound']
                                     effects_en = item.get("effects", [])
+                                    
+                                    # --- LÓGICA DE PRIORIDAD ---
+                                    # 1. ¿Es un desencadenante conocido para ESTE síntoma?
+                                    is_known_trigger = False
+                                    if compound_name in KNOWN_TRIGGERS_MAP:
+                                        if any(symptom in KNOWN_TRIGGERS_MAP[compound_name] for symptom in user_symptoms_es):
+                                            causative_compounds.append(item)
+                                            is_known_trigger = True
+                                    
+                                    if is_known_trigger:
+                                        continue # Si ya es un culpable, no lo analizamos más
+
+                                    # 2. Si no, analizar efectos para causas o remedios
                                     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):
@@ -909,11 +930,15 @@ if st.session_state.search_results is not None:
                                     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)}")
+                                        # Mostramos por qué es un desencadenante conocido, o los efectos relevantes
+                                        if item['compound'] in KNOWN_TRIGGERS_MAP:
+                                            st.write(f"**Efectos Relevantes:** Desencadenante conocido de {', '.join([s for s in user_symptoms_es if s in KNOWN_TRIGGERS_MAP[item['compound']]])}")
+                                        else:
+                                            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.")
+                                    st.caption("No se encontraron compuestos desencadenantes directos en la base de datos.")
                                     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)]