app.py

#              PATIO  DE  JUEGOS  DE INTELIGENCIA ARTIFICIAL HUGGING FACE
#                    Proyecto - Consulta Médica con el Dr. House -
#                            "Todo el mundo miente."
#        Hecho por el Dr Jairo Alexander - Dra Diana Soler - Gemini 3.0 flash preview
#                             Bogota Colombia 06 de Marzo de 2026. 

import gradio as gr
import os
import random
import google.generativeai as genai

# --- CONFIGURACIÓN DE GEMINI ---
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
if GEMINI_API_KEY:
    genai.configure(api_key=GEMINI_API_KEY)

# --- EL CEREBRO DEEPRARE RESTAURADO ---
DEEPRARE_HOUSE_PROMPT = """
Adopta la personalidad del Dr. Gregory House. Eres un genio misántropo que utiliza el algoritmo DeepRare para diagnosticar.
Tu verdad absoluta: "Los pacientes mienten por vergüenza, miedo o ignorancia".

METODOLOGÍA DE RAZONAMIENTO (PASO A PASO):
1. EXTRACCIÓN CLÍNICA (FENOTIPADO): Traduce el lenguaje vulgar del paciente a términos médicos precisos (HPO - Human Phenotype Ontology). Identifica el 'Red Flag'.
2. EL DEBATE INTERNO (MULTI-AGENTE): Simula un debate rápido en el pizarrón con tu equipo:
   - Foreman (Neurología/Infecciosas): Propone lo común.
   - Chase (Cirugía/Intensivos): Propone lo estructural.
   - Cameron/13 (Inmunología/Raras): Propone la 'Cebra' (Orphanet/OMIM).
3. FENOTIPADO NEGATIVO: House toma el mando y destruye las teorías de los residentes explicando por qué NO son enfermedades comunes basándose en lo que al paciente le FALTA.
4. RANKING DE CEBRAS (ORPHANET/OMIM): Prioriza diagnósticos de enfermedades raras o genéticas que encajen con los signos objetivos.

ESTRUCTURA DE RESPUESTA:
- Insulto inicial sobre la honestidad o inteligencia del paciente.
- [LA PIZARRA]: El resumen del debate y el análisis de fenotipos.
- [CUADRO DE PROBABILIDADES]:
  * Sospecha Principal (Caballo): [Nombre] (%)
  * Cebra (Orphanet/OMIM): [Nombre] (%)
  * Prueba de confirmación: [Examen específico/invasivo].
- Orden final cortante.
"""

# Usamos 1.5-Flash por su estabilidad de cuota, pero con una instrucción masiva
model = genai.GenerativeModel(
    model_name="gemini-3-flash-preview",
    system_instruction=DEEPRARE_HOUSE_PROMPT
)

FRASES_HOUSE_LISTA = [
    "Todo el mundo miente.",
    "¿Ha oído que no se puede vivir sin amor? Pues el oxígeno es más importante.",
    "La realidad casi siempre está equivocada.",
    "Si nadie te odia, estás haciendo algo mal.",
    "Las personas no cambian, solo aprenden a mentir mejor."
]

def chat_con_dr_house(informacion_clinica, historial):
    if not GEMINI_API_KEY:
        yield "Error: No hay API KEY. Cuddy cortó el presupuesto.", historial
        return
    
    if historial is None: historial = []

    # Memoria optimizada para no saturar la cuota
    chat_history = []
    for h in historial[-4:]: # Últimos 4 intercambios para mantener contexto
        chat_history.append({"role": "user", "parts": [h['user']]})
        chat_history.append({"role": "model", "parts": [h['bot']]})
    
    chat = model.start_chat(history=chat_history)

    try:
        response = chat.send_message(
            informacion_clinica,
            generation_config=genai.types.GenerationConfig(
                temperature=0.8, # Un poco más alto para mayor creatividad diagnóstica
                max_output_tokens=3072,
            ),
            stream=True
        )
        
        texto_acumulado = ""
        for chunk in response:
            if chunk.text:
                texto_acumulado += chunk.text
                yield texto_acumulado, historial
        
        historial.append({"user": informacion_clinica, "bot": texto_acumulado})
        
    except Exception as e:
        error_msg = str(e)
        if "429" in error_msg:
            yield "¡Maldita sea! Google nos ha cortado el acceso por hoy. Demasiados pacientes idiotas. Vuelve en un rato.", historial
        else:
            yield f"Error: {error_msg}", historial

# --- INTERFAZ ---
with gr.Blocks(theme=gr.themes.Monochrome()) as interfaz:
    memoria_clinica = gr.State([])

    with gr.Row():
        with gr.Column(scale=1):
            gr.Image("dr_house_foto.jpg", width=180, show_label=False, interactive=False)
            frase_celebre_display = gr.Markdown(f"> _{random.choice(FRASES_HOUSE_LISTA)}_")
        with gr.Column(scale=3):
            gr.Markdown("# 🏥 Unidad de Diagnóstico Avanzado - Dr. House\n## *Agente de Inteligencia Médica que incluye busquedas (Orphanet/OMIM)*")
    
    with gr.Row():
        with gr.Column(scale=2):
            informacion_clinica = gr.Textbox(
                label="Entrada del Paciente",
                lines=10,
                placeholder="EDAD: \nSEXO: \nSÍNTOMAS: \nSIGNOS: \nANTECEDENTES: \nSECRETO \nPAIS \nCIUDAD  \nTRABAJO U OCUPACION: "
            )
            enviar = gr.Button("🩺 SUBIR Al TABLERO", variant="primary")
            limpiar = gr.Button("🗑️ SIGUIENTE PACIENTE")
        
        with gr.Column(scale=3):
            respuesta_bot = gr.Textbox(
                label="Análisis del tablero", 
                lines=25, 
                interactive=False, 
                autoscroll=True
            )

    def limpiar_fn():
        return "", "", f"> _{random.choice(FRASES_HOUSE_LISTA)}_", []

    enviar.click(fn=chat_con_dr_house, inputs=[informacion_clinica, memoria_clinica], outputs=[respuesta_bot, memoria_clinica])
    limpiar.click(fn=limpiar_fn, outputs=[informacion_clinica, respuesta_bot, frase_celebre_display, memoria_clinica])

if __name__ == "__main__":
    interfaz.launch(ssr_mode=False)