inference/model.py

import numpy as np
import random


def run_inference(ecg_signal: np.ndarray) -> dict:
    """
    Simuliert eine DeepECG-Inferenz für ein EKG-Signal (Dummy-Implementierung).

    Parameter:
    - ecg_signal: numpy array der Form (12, N)

    Gibt zurück:
    - dict mit Top-Diagnosen, Risiko-Score und Interpretation
    """

    diagnoses = [
        "Normaler Sinusrhythmus",
        "Vorhofflimmern",
        "Rechtsschenkelblock",
        "Linksschenkelblock",
        "ST-Hebung"
    ]

    random.shuffle(diagnoses)

    top_diagnoses = [
        {"label": diagnoses[0], "probability": random.randint(65, 90)},
        {"label": diagnoses[1], "probability": random.randint(30, 60)},
        {"label": diagnoses[2], "probability": random.randint(10, 30)}
    ]

    risk_score = top_diagnoses[0]["probability"]

    if risk_score < 40:
        interpretation = "Unauffälliger Befund"
    elif risk_score < 70:
        interpretation = "Auffälliger Befund – weitere Abklärung empfohlen"
    else:
        interpretation = "Hochgradig auffälliger Befund – dringende Abklärung"

    return {
        "top_diagnoses": top_diagnoses,
        "risk_score": risk_score,
        "interpretation": interpretation
    }