Update app.py

app.py

@@ -1,7 +1,6 @@
-# ====================    Buscador de Eventos para  Notificación SIVIGILA - Colombia 2025  =====================================
-
-# JAIRO ALEXANDER ERASO MD U Nacional de Colombia.
-# DIANA MILENA SOLER MARTINEZ Psc.U Juan N. Corpas, U. Bosque.
+# ====================    Buscador de Intolerancias Alimentarias Basado en Síntomas  =====================================
+# Adaptado por la IA para un nuevo objetivo de análisis de casos clínicos.
+# Idea original y estructura de JAIRO ALEXANDER ERASO MD y DIANA MILENA SOLER MARTINEZ Psc.
 
 import streamlit as st
 import google.generativeai as genai
@@ -9,26 +8,32 @@ import google.api_core.exceptions
 import os
 import json
 import logging
-import datetime
-
+import re
 
 st.set_page_config(
-    page_title="Buscador Inteligente SIVIGILA Colombia",
-    page_icon="buho.png",
+    page_title="Asistente de Bienestar Digestivo",
+    page_icon="🍎", # Ícono cambiado para reflejar el tema de alimentos
     layout="wide"
 )
 
 # Configurar logging
 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
-logger = logging.getLogger("sivigila_app")
+logger = logging.getLogger("food_intolerance_app")
 
 # --- CONFIGURACIÓN DE GEMINI ---
 try:
-    GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
+    # Para Streamlit Community Cloud, usa st.secrets
+    if 'GEMINI_API_KEY' in st.secrets:
+        GEMINI_API_KEY = st.secrets['GEMINI_API_KEY']
+    else:
+        # Para desarrollo local, usa variables de entorno
+        GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
+
     if not GEMINI_API_KEY:
-        st.error("No se encontró la variable de entorno GEMINI_API_KEY. Por favor, configúrala en tu archivo .env o en los Secrets.")
+        st.error("No se encontró la GEMINI_API_KEY. Por favor, configúrala en los Secrets de Streamlit.")
         logger.error("GEMINI_API_KEY no encontrada.")
         st.stop()
+        
     genai.configure(api_key=GEMINI_API_KEY)
     logger.info("✅ Configuración de Gemini API realizada.")
 except Exception as e:
@@ -38,9 +43,11 @@ except Exception as e:
 
 @st.cache_resource
 def get_gemini_model():
-    logger.info("🔄 Cargando modelo Gemini (gemini-2.0-flash-lite)...")
+    """Carga el modelo generativo de Gemini."""
+    logger.info("🔄 Cargando modelo Gemini (gemini-1.5-flash)...")
     try:
-        return genai.GenerativeModel("gemini-2.0-flash-lite")
+        # Usamos un modelo más reciente y potente para tareas de extracción y análisis
+        return genai.GenerativeModel("gemini-1.5-flash")
     except Exception as e:
         st.error(f"❌ No se pudo cargar el modelo Gemini: {e}")
         logger.error(f"Error cargando modelo Gemini: {e}")
@@ -50,264 +57,207 @@ model = get_gemini_model()
 
 @st.cache_data
 def load_data():
-    """Carga y procesa los archivos JSON, uniéndolos para un acceso rápido."""
+    """Carga la base de datos de alimentos e intolerancias."""
     try:
-        path_codigos = os.path.join('PLANTILLAS', 'DIC_NOMBRES_CODIGOS_FICHAS.json')
-        path_notificacion = os.path.join('PLANTILLAS', 'DATOS_NOTIFICACION.json')
-
-        with open(path_codigos, 'r', encoding='utf-8') as f:
-            data_codigos = json.load(f)
-        
-        with open(path_notificacion, 'r', encoding='utf-8') as f:
-            data_notificacion = json.load(f)
-
-        notificacion_map = {item['FICHA']: item for item in data_notificacion}
-        nombres_eventos_limpios = sorted(list(set(item['Evento'] for item in data_notificacion)))
-
-        logger.info(f"✅ Datos cargados.")
-        return data_codigos, data_notificacion, notificacion_map, nombres_eventos_limpios
-
-    except FileNotFoundError as e:
-        st.error(f"❌ Error: No se encontró el archivo {e.filename}. Asegúrate de que los archivos JSON estén en la carpeta 'PLANTILLAS'.")
-        return None, None, None, None
-    except json.JSONDecodeError as e:
-        st.error(f"❌ Error: El archivo JSON tiene un formato incorrecto: {e}")
-        return None, None, None, None
+        # Asegúrate de que el archivo se llame 'alimentos.json' y esté en una carpeta 'DATOS'
+        path_alimentos = os.path.join('DATOS', 'alimentos.json') 
 
-data_codigos, data_notificacion, notificacion_map, nombres_eventos_limpios = load_data()
-
-
-# --- LÓGICA DE BÚSQUEDA ---
-
-def search_direct(query, data, notif_map):
-    query_lower = query.lower().strip()
-    matching_items = []
-    for item in data:
-        if (query_lower == item.get("CIE 10", "").lower().strip() or
-            query_lower == item.get("CIE 11", "").lower().strip() or
-            query_lower == item.get("FICHA", "").lower().strip() or
-            query_lower in item.get("NOMBRES DE PROTOCOLOS", "").lower()):
-            matching_items.append(item)
-    if not matching_items: return []
-    grouped_by_ficha = {}
-    for item in matching_items:
-        ficha = item.get("FICHA")
-        if ficha:
-            if ficha not in grouped_by_ficha: grouped_by_ficha[ficha] = []
-            grouped_by_ficha[ficha].append(item)
-    final_results = []
-    for ficha, matched_details in grouped_by_ficha.items():
-        info_notificacion = notif_map.get(ficha)
-        if info_notificacion:
-            final_results.append({"info_notificacion": info_notificacion, "detalles_codigos": matched_details})
-    return final_results
+        with open(path_alimentos, 'r', encoding='utf-8') as f:
+            data_alimentos = json.load(f)
 
+        logger.info(f"✅ Base de datos de alimentos cargada con {len(data_alimentos)} registros.")
+        return data_alimentos
 
+    except FileNotFoundError:
+        st.error("❌ Error: No se encontró el archivo 'alimentos.json' en la carpeta 'DATOS'.")
+        return None
+    except json.JSONDecodeError:
+        st.error("❌ Error: El archivo 'alimentos.json' tiene un formato incorrecto.")
+        return None
 
+alimentos_data = load_data()
 
+# Mapeo de alimentos comunes a los compuestos/intolerancias del JSON.
+# Este diccionario es crucial y debe expandirse.
+FOOD_TO_COMPOUND_MAP = {
+    "pan": ["Gluten"], "trigo": ["Gluten"], "cebada": ["Gluten"], "centeno": ["Gluten"], "pasta": ["Gluten"], "galletas": ["Gluten"],
+    "leche": ["Caseína", "Lactosa"], "queso": ["Caseína", "Lactosa"], "yogur": ["Caseína", "Lactosa"], "mantequilla": ["Caseína", "Lactosa"],
+    "manzana": ["Salicilatos"], "almendras": ["Salicilatos"], "uvas": ["Salicilatos"],
+    "azucar": ["Azúcar"], "dulces": ["Azúcar"], "refrescos": ["Azúcar"], "gaseosas": ["Azúcar"]
+}
 
+# --- LÓGICA DE BÚSQUEDA Y ANÁLISIS ---
 
-def search_with_gemini(query, event_list):
-    if not model: return "Error: Modelo Gemini no disponible."
+def extract_entities_with_gemini(query):
+    """Usa Gemini para extraer alimentos y síntomas de la consulta del usuario."""
+    if not model: return None
     system_prompt = f"""
-    Eres un asesor experto en SIVIGILA, el sistema de vigilancia en salud pública de Colombia.
-    Tu tarea es interpretar la consulta de un profesional de la salud, que puede ser un término coloquial, un sinónimo o una descripción, y asociarla al nombre del evento oficial más relevante de una lista.
-    LISTA DE EVENTOS OFICIALES:
-    {'; '.join(event_list)}
-    Analiza la siguiente consulta y devuelve ÚNICAMENTE el nombre exacto del evento oficial de la lista que mejor corresponda.
-    Por ejemplo, si la consulta es 'mordedura de culebra', la respuesta debe ser 'Accidente Ofídico'.
-    Si encuentras varios, sepáralos con un punto y coma (;).
-    Si la consulta no corresponde a ningún evento de la lista, responde con "NO_ENCONTRADO".
-    No añadas explicaciones ni texto adicional.
-    Consulta del usuario: "{query}"
+    Eres un experto en procesar textos clínicos. Tu tarea es analizar la consulta de un usuario y extraer dos tipos de entidades: alimentos consumidos y síntomas experimentados.
+    Debes devolver la respuesta ÚNICAMENTE en formato JSON, con las claves "alimentos" y "sintomas".
+    Normaliza los síntomas a términos médicos o comunes. Por ejemplo, "se me hincha el estómago" debería ser "hinchazón abdominal". "Mente nublada" debería ser "niebla mental".
+    
+    Ejemplo 1:
+    Consulta: "Cuando como mucho pan se me hincha el estomago, me da niebla mental y siento fatiga."
+    Respuesta:
+    {{
+      "alimentos": ["pan"],
+      "sintomas": ["hinchazón abdominal", "niebla mental", "fatiga"]
+    }}
+    
+    Ejemplo 2:
+    Consulta: "Después de tomar leche, mi hijo tiene diarrea y se queja de dolor de barriga."
+    Respuesta:
+    {{
+      "alimentos": ["leche"],
+      "sintomas": ["diarrea", "dolor abdominal"]
+    }}
+
+    Ahora, analiza la siguiente consulta:
+    Consulta: "{query}"
     """
     try:
         response = model.generate_content(system_prompt)
-        if response.parts:
-            result_text = response.text.strip()
-            if result_text == "NO_ENCONTRADO": return []
-            return [name.strip() for name in result_text.split(';') if name.strip()]
-        else:
-            return "Respuesta bloqueada por filtros de seguridad."
-    except google.api_core.exceptions.ResourceExhausted as e:
-        return "Se ha alcanzado el límite de consultas. Por favor, espere un minuto y vuelva a intentarlo."
+        # Limpiar y parsear la respuesta JSON
+        json_text = re.search(r'\{.*\}', response.text, re.DOTALL).group(0)
+        return json.loads(json_text)
     except Exception as e:
-        return f"Error en la comunicación con la API de Gemini: {e}"
-
+        logger.error(f"Error extrayendo entidades con Gemini: {e}")
+        st.error(f"Hubo un problema al interpretar tu consulta con la IA. Error: {e}")
+        return None
 
-def analyze_query_with_gemini(query, definition, evento_name, ficha_number):
-    if not model: return "Error: Modelo Gemini no disponible."
-    analysis_prompt = f"""
-    Eres un auditor experto del sistema SIVIGILA de Colombia. Tu única misión es determinar si un caso descrito por un profesional de la salud cumple con los criterios de la definición de caso oficial para ser de notificación obligatoria.
-    **Reglas Estrictas:**
-    1. Tu decisión final solo puede ser "NOTIFICAR" o "NO CUMPLE CRITERIOS".
-    2. Debes basar tu justificación únicamente en la comparación entre la consulta y la definición de caso proporcionada.
-    3. No debes inventar información ni hacer suposiciones clínicas.
-    **CONTEXTO DEL EVENTO YA IDENTIFICADO:**
-    - Nombre del Evento: "{evento_name}"
-    - Ficha de Notificación: "{ficha_number}"
-    **CONSULTA DEL USUARIO:**
+def find_best_matches(entities, data):
+    """Encuentra las mejores coincidencias en la base de datos basadas en las entidades extraídas."""
+    if not entities or not data: return []
+    
+    user_symptoms = set([s.lower() for s in entities.get("sintomas", [])])
+    user_foods = [f.lower() for f in entities.get("alimentos", [])]
+    
+    # Traducir alimentos a compuestos
+    candidate_compounds = set()
+    for food in user_foods:
+        if food in FOOD_TO_COMPOUND_MAP:
+            candidate_compounds.update(FOOD_TO_COMPOUND_MAP[food])
+
+    scores = {}
+    for index, entry in enumerate(data):
+        score = 0
+        entry_compound = entry.get("Compuesto / Alimento Intolerante", "").split('(')[0].strip()
+        entry_symptoms = entry.get("Posibles Síntomas (Presentación Clínica Representativa)", "").lower()
+        
+        # Puntuar por coincidencia de compuesto
+        if entry_compound in candidate_compounds:
+            score += 10 # Puntuación alta por coincidencia directa
+        
+        # Puntuar por coincidencia de síntomas
+        for symptom in user_symptoms:
+            if symptom in entry_symptoms:
+                score += 5
+        
+        if score > 0:
+            scores[index] = score
+            
+    # Ordenar por puntuación descendente
+    sorted_matches_indices = sorted(scores, key=scores.get, reverse=True)
+    
+    # Devolver los objetos completos de las mejores coincidencias
+    return [data[i] for i in sorted_matches_indices]
+
+def generate_detailed_analysis(query, match):
+    """Usa Gemini para generar una explicación detallada y amigable para el usuario."""
+    if not model: return "Error: El modelo de IA no está disponible."
+    
+    prompt = f"""
+    Eres un asistente de IA experto en nutrición y bienestar, diseñado para ayudar a las personas a entender posibles intolerancias alimentarias. Tu tono debe ser claro, empático y educativo.
+
+    Un usuario ha descrito el siguiente caso:
     "{query}"
-    **DEFINICIÓN DE CASO OFICIAL:**
-    "{definition}"
-    **TU ANÁLISIS ESTRUCTURADO:**
-    Basado en la comparación, responde OBLIGATORIAMENTE en el siguiente formato, sin añadir texto adicional:
-    **Decisión:** [Escribe aquí "NOTIFICAR" o "NO CUMPLE CRITERIOS"]
-    **Justificación:**
-    [Si la decisión es NOTIFICAR, explica brevemente qué criterios de la definición de caso se cumplen en la consulta del usuario. Si la decisión es NO CUMPLE CRITERIOS, explica qué criterios clave faltan o se contradicen explícitamente.]
-    **Recomendación:**
-    [Si la decisión es NOTIFICAR, redacta una recomendación para proceder con la notificación, mencionando explícitamente el número de Ficha y el nombre del Evento proporcionados en el contexto. Si la decisión es NO CUMPLE CRITERIOS, escribe: "Se recomienda revisar las guías y protocolos del Instituto Nacional de Salud de Colombia para determinar el manejo adecuado del caso."]
+
+    Basado en este caso, nuestro sistema ha encontrado una posible coincidencia con la siguiente intolerancia:
+    - **Compuesto Intolerante:** {match.get("Compuesto / Alimento Intolerante")}
+    - **Síntomas Comunes:** {match.get("Posibles Síntomas (Presentación Clínica Representativa)")}
+    - **Enfermedades Asociadas:** {match.get("Enfermedades Asociadas")}
+    - **Mecanismo Fisiológico:** {match.get("Mecanismo de Acción / Fisiología Alterada")}
+    - **Recomendaciones Generales:** {match.get("Recomendaciones Médicas / Exámenes Confirmatorios")}
+
+    **Tu Tarea:**
+    Redacta una respuesta completa para el usuario. La respuesta debe estar estructurada en las siguientes secciones (usa los títulos en negrita):
+
+    1.  **Posible Causa:** Comienza resumiendo por qué sus síntomas podrían estar relacionados con este compuesto, vinculando directamente su caso con la información proporcionada.
+    2.  **¿Qué podría estar pasando en tu cuerpo?:** Explica el "Mecanismo Fisiológico" en términos sencillos que cualquiera pueda entender.
+    3.  **Condiciones Relacionadas:** Menciona las "Enfermedades Asociadas", aclarando que son asociaciones y no un diagnóstico.
+    4.  **Pasos a Seguir y Recomendaciones:** Presenta las "Recomendaciones" como sugerencias generales, enfatizando la importancia de la supervisión profesional.
+    5.  **Descargo de Responsabilidad Médico:** Incluye OBLIGATORIAMENTE un párrafo final claro y visible que indique que esta es una herramienta informativa y NO un diagnóstico médico, y que debe consultar a un profesional de la salud.
+
+    Mantén un lenguaje accesible y evita el alarmismo. El objetivo es informar y guiar, no diagnosticar.
     """
     try:
-        response = model.generate_content(analysis_prompt)
-        if response.parts: return response.text
-        else: return "El análisis no pudo ser completado. La respuesta de la IA fue bloqueada por filtros de seguridad."
-    except google.api_core.exceptions.ResourceExhausted:
-        return "Se ha alcanzado el límite de consultas para el análisis. Por favor, espere un minuto y vuelva a intentarlo."
+        response = model.generate_content(prompt)
+        return response.text
     except Exception as e:
-        return f"Ocurrió un error durante el análisis de la IA: {e}"
-
+        logger.error(f"Error generando análisis detallado con Gemini: {e}")
+        return "No se pudo generar el análisis detallado. Por favor, inténtalo de nuevo."
 
 # --- INTERFAZ DE USUARIO (UI) ---
-col_img, col_text = st.columns([1, 5], gap="medium")
-with col_img: st.image("buho.png", width=100)
+col_img, col_text = st.columns([1, 6])
+with col_img: st.image("🍎", width=100) # Ícono actualizado
 with col_text:
-    st.title("Buscador Inteligente SIVIGILA")
-    st.markdown("Herramienta de apoyo para la notificación de eventos de salud pública en Colombia por Diana Soler")
+    st.title("Asistente de Bienestar Digestivo")
+    st.markdown("Explora la posible relación entre lo que comes y cómo te sientes.")
 
+# Manejo de estado
 if 'search_results' not in st.session_state: st.session_state.search_results = None
-if 'last_query' not in st.session_state: st.session_state.last_query = ""
+if 'user_query' not in st.session_state: st.session_state.user_query = ""
 
 def clear_search_state():
     st.session_state.search_results = None
-    st.session_state.last_query = ""
+    st.session_state.user_query = ""
 
 with st.form(key="search_form"):
-    query = st.text_input("Ingrese su búsqueda:", placeholder="Ej: Lepra, T630, mordedura de culebra, inhalación de canela, niño de 4 años y 3 kilos..", help="Puede buscar por nombre de la enfermedad, palabras clave, o códigos CIE.")
-    submitted = st.form_submit_button("Buscar", type="primary")
+    query = st.text_area("Describe tu caso aquí:", height=150, placeholder="Ej: Cuando como mucho pan se me hincha el estómago, me da niebla mental y siento fatiga, ¿qué puede ser?")
+    submitted = st.form_submit_button("Analizar mi caso", type="primary")
 
 if submitted:
-    if not query: st.warning("Por favor, ingrese un término de búsqueda.")
-    elif data_codigos is None: st.error("Los datos no se pudieron cargar.")
+    if not query:
+        st.warning("Por favor, describe lo que sientes y lo que comiste.")
+    elif alimentos_data is None:
+        st.error("La base de datos de alimentos no está disponible. No se puede continuar.")
     else:
-        with st.spinner("Buscando con IA (Gemini)..."):
-            results = []
-            direct_results = search_direct(query, data_codigos, notificacion_map)
-            
-            if not direct_results:
-                logger.info(f"Búsqueda directa para '{query}' no arrojó resultados. Usando IA (Gemini)...")
-                event_names = search_with_gemini(query, nombres_eventos_limpios)
-                
-                if isinstance(event_names, str):
-                    st.error(event_names)
-                    event_names = []
-                
-                if event_names:
-                    fichas_encontradas = set()
-                    for name in event_names:
-                        for item in data_notificacion:
-                            if item['Evento'] == name: fichas_encontradas.add(item['FICHA'])
-                    
-                    query_keywords = [kw for kw in query.lower().split() if len(kw) > 2] # Keywords de la búsqueda original
-
-                    for ficha in fichas_encontradas:
-                        info_notif = notificacion_map.get(ficha)
-                        all_details_for_ficha = [d for d in data_codigos if d.get("FICHA") == ficha]
-                        
-                        filtered_details = []
-                        if query_keywords:
-                            for detail in all_details_for_ficha:
-                                protocol_name_lower = detail.get("NOMBRES DE PROTOCOLOS", "").lower()
-                                if any(keyword in protocol_name_lower for keyword in query_keywords):
-                                    filtered_details.append(detail)
-                        
-                        final_details = filtered_details if filtered_details else all_details_for_ficha
-                        
-                        if info_notif:
-                            results.append({
-                                "info_notificacion": info_notif,
-                                "detalles_codigos": final_details
-                            })
-            else:
-                results = direct_results
-
-            st.session_state.search_results = results
-            st.session_state.last_query = query
-
-
-            
-
-if st.session_state.search_results is not None: st.button("Limpiar Búsqueda", on_click=clear_search_state)
-st.markdown("---")
+        st.session_state.user_query = query
+        with st.spinner("Interpretando tu caso con IA..."):
+            entities = extract_entities_with_gemini(query)
+        
+        if entities:
+            st.info(f"IA identificó - Alimentos: {', '.join(entities.get('alimentos',[])) or 'Ninguno'}, Síntomas: {', '.join(entities.get('sintomas',[])) or 'Ninguno'}")
+            with st.spinner("Buscando posibles causas en la base de conocimiento..."):
+                results = find_best_matches(entities, alimentos_data)
+                st.session_state.search_results = results
+        else:
+            st.error("No se pudieron identificar alimentos o síntomas claros en tu descripción. Intenta ser un poco más específico.")
+            st.session_state.search_results = [] # Resetear a lista vacía
 
 if st.session_state.search_results is not None:
+    st.button("Realizar nueva consulta", on_click=clear_search_state)
+    st.markdown("---")
+    
     results = st.session_state.search_results
     if not results:
-        st.info(f"No se encontraron eventos de notificación obligatoria para su búsqueda: '{st.session_state.last_query}'.")
+        st.warning(f"No se encontraron coincidencias claras en nuestra base de datos para tu caso: '{st.session_state.user_query}'.")
     else:
-        st.success(f"Se encontraron {len(results)} evento(s) relacionado(s) con su búsqueda: '{st.session_state.last_query}'")
-        for result in results:
-            info = result["info_notificacion"]
-            codigos = result["detalles_codigos"]
-            with st.expander(f"**Evento: {info.get('Evento', 'Sin nombre')} (Ficha: {info.get('FICHA', 'N/A')})**", expanded=True):
-                tab_info, tab_def, tab_analysis = st.tabs(["Información General", "📖 Definición de Caso", "🤖 Análisis por IA"])
-                with tab_info:
-                    st.subheader("Información de Notificación")
-                    notif_super = info.get("Notificación superinmedita", "NO") == "SI"
-                    if notif_super: st.error(f"**¡ATENCIÓN! Requiere Notificación SUPERINMEDIATA:** {info.get('Descripción superinmedita', '')}")
-                    elif info.get("Notificación Inmediata", "NO") == "SI": st.warning("**Requiere Notificación Inmediata (dentro de las 24 horas).**")
-                    else: st.info("**Notificación Semanal Individual.**")
-                    st.markdown(f"**Requisito:** {info.get('REQUISITO', 'No especificado')}")
-                    fichas_texto = info.get('Fichas a Utilizar', 'No especificado').replace('+', '\n+ ')
-                    st.markdown(f"**Fichas a utilizar:** {fichas_texto}")
-                    st.markdown("---")
-                    st.subheader("Clasificación de Caso Permitida")
-                    classification_fields=[("Sospechoso","Clasificación Permitida Sospechoso"),("Probable","Clasificación Permitida Probable"),("Conf. Clínica","Clasificación Permitida Conf. Clínica"),("Conf. Laboratorio","Clasificación Permitida Conf. Laboratorio"),("Conf. Nexo Epi.","Clasificación Permitida Conf. Nexo Epi."),("Descartado","Clasificación Permitida Descartado")]
-                    col1,col2=st.columns(2)
-                    for i,(display_name,field_key) in enumerate(classification_fields):
-                        value=info.get(field_key,"NO")
-                        icon="✅" if value=="SI" else "❌"
-                        md_string=f"{icon} **{display_name}**"
-                        if i<len(classification_fields)/2: col1.markdown(md_string)
-                        else: col2.markdown(md_string)
-                    st.markdown("---")
-                    st.subheader("Rango de Edad Permitido para Notificación")
-                    age_fields=[("Menor de 1 año","Menor de 1 año"),("De 1 a 4 años","De 1 a 4 años"),("De 5 a 14 años","De 5 a 14 años"),("De 15 a 44 años","De 15 a 44 años"),("De 45 a 59 años","De 45 a 59 años"),("De 60 y más","De 60 y más")]
-                    age_col1,age_col2=st.columns(2)
-                    for i,(display_name,field_key) in enumerate(age_fields):
-                        value=info.get(field_key,"NO")
-                        icon="✅" if value=="SI" else "❌"
-                        md_string=f"{icon} **{display_name}**"
-                        if i<len(age_fields)/2: age_col1.markdown(md_string)
-                        else: age_col2.markdown(md_string)
-                    st.markdown("---")
-                    st.subheader("Condición Final Permitida")
-                    final_condition_fields=[("Vivo","Condición final Vivo"),("Muerto","Condición final Muerto")]
-                    cond_col1,cond_col2=st.columns(2)
-                    for i,(display_name,field_key) in enumerate(final_condition_fields):
-                        value=info.get(field_key,"NO")
-                        icon="✅" if value=="SI" else "❌"
-                        md_string=f"{icon} **{display_name}**"
-                        if i==0: cond_col1.markdown(md_string)
-                        else: cond_col2.markdown(md_string)
-                    st.subheader("Códigos Relacionados (CIE-10 y CIE-11)")
-                    for codigo in codigos:
-                        st.markdown(f"""- **Nombre Protocolo:** `{codigo.get('NOMBRES DE PROTOCOLOS', 'N/A')}`\n  - **CIE-10:** `{codigo.get('CIE 10', 'N/A')}`\n  - **CIE-11:** `{codigo.get('CIE 11', 'N/A')}` | **Nombre CIE-11:** *{codigo.get('NOMBRES DE CIE 11', 'N/A')}*""")
-                
-                with tab_def:
-                    definicion_de_caso = info.get("Definición de caso", "").strip()
-                    if definicion_de_caso: st.markdown(definicion_de_caso.replace('\n', '  \n'))
-                    else: st.info("No se encontró una definición de caso oficial para este evento.")
-                
-                with tab_analysis:
-                    st.info("Este análisis compara su búsqueda original con la definición oficial del evento encontrado.")
-                    definicion_de_caso_para_analisis = info.get("Definición de caso", "").strip()
-                    if not definicion_de_caso_para_analisis:
-                        st.warning("No se puede realizar el análisis porque no hay una definición de caso disponible para este evento.")
-                    else:
-
-                        with st.spinner("Realizando análisis con IA..."):
-                            evento_name = info.get("Evento", "N/A")
-                            ficha_number = info.get("FICHA", "N/A")
-                            analysis_result = analyze_query_with_gemini(st.session_state.last_query, definicion_de_caso_para_analisis, evento_name, ficha_number)
-                            st.markdown(analysis_result)
+        st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso.")
+        
+        # Tomar solo el mejor resultado para el análisis detallado
+        best_match = results[0]
+        
+        with st.expander(f"**Principal Coincidencia: {best_match.get('Compuesto / Alimento Intolerante')}**", expanded=True):
+            with st.spinner("Generando un análisis detallado con IA..."):
+                detailed_analysis = generate_detailed_analysis(st.session_state.user_query, best_match)
+                st.markdown(detailed_analysis)
+
+        # Opcional: Mostrar otros resultados menos probables
+        if len(results) > 1:
+            with st.expander("Otras posibles coincidencias (menos probables)"):
+                for result in results[1:]:
+                    st.subheader(f"{result.get('Compuesto / Alimento Intolerante')}")
+                    st.write(f"**Síntomas asociados:** {result.get('Posibles Síntomas (Presentación Clínica Representativa)')}")
+                    st.write(f"**Mecanismo:** {result.get('Mecanismo de Acción / Fisiología Alterada')}")
+                    st.markdown("---")