services/gemini_service.py

"""
Google Gemini AI 평가 서비스
"""

import json
import os

import google.generativeai as genai
from dotenv import load_dotenv

load_dotenv()

# Gemini API 설정
GOOGLE_API_KEY = os.getenv("GOOGLE_API_KEY")
genai.configure(api_key=GOOGLE_API_KEY)


class GeminiEvaluator:
    """간호 인수인계 평가를 위한 Gemini AI 서비스"""

    def __init__(self, model_name="gemini-2.0-flash-exp"):
        self.model = genai.GenerativeModel(model_name)

    def evaluate_handoff(
        self, student_sbar: dict, scenario_data: dict, patient_data: dict
    ) -> dict:
        """
        학생의 SBAR 인수인계를 평가합니다.

        Args:
            student_sbar: 학생이 작성한 SBAR (situation, background, assessment, recommendation)
            scenario_data: 시나리오 데이터 (EMR 정보)
            patient_data: 환자 기본 정보

        Returns:
            평가 결과 딕셔너리 (total_score, category_scores, strengths, improvements, detailed_feedback)
        """
        prompt = self._create_evaluation_prompt(
            student_sbar, scenario_data, patient_data
        )

        try:
            response = self.model.generate_content(
                prompt,
                generation_config={
                    "temperature": 0.7,
                    "top_p": 0.95,
                    "max_output_tokens": 2048,
                },
            )

            # JSON 응답 파싱
            result_text = response.text.strip()

            # Markdown 코드 블록 제거 (```json ... ```)
            if result_text.startswith("```"):
                result_text = result_text.split("```")[1]
                if result_text.startswith("json"):
                    result_text = result_text[4:]
                result_text = result_text.strip()

            evaluation = json.loads(result_text)
            return evaluation

        except json.JSONDecodeError as e:
            print(f"JSON 파싱 오류: {e}")
            print(f"응답 텍스트: {response.text}")
            return self._create_default_evaluation()
        except Exception as e:
            print(f"Gemini API 오류: {e}")
            return self._create_default_evaluation()

    def _create_evaluation_prompt(
        self, student_sbar: dict, scenario_data: dict, patient_data: dict
    ) -> str:
        """고도화된 평가 프롬프트 생성"""

        prompt = f"""당신은 20년 경력의 한국 간호 교육 전문가이자 간호학 교수입니다. 
간호 학생이 작성한 SBAR 형식의 인수인계를 한국 간호사 국가시험 및 임상 실무 표준에 따라 평가해주세요.

## 📋 환자 정보 (EMR 데이터)
- **환자명**: {patient_data.get('name')} ({patient_data.get('age')}세 {patient_data.get('gender')})
- **진단명**: {patient_data.get('diagnosis')}
- **입원일**: {patient_data.get('admission_date')} (재원 {scenario_data.get('hospital_day')}일차)
- **알레르기**: {patient_data.get('allergies')}

## 🏥 인수인계 상황
- **시나리오**: {scenario_data.get('title')}
- **인계 상황**: {scenario_data.get('handoff_situation')}

### 📊 활력징후 (Vital Signs)
{json.dumps(scenario_data.get('vitals', {}), ensure_ascii=False, indent=2)}

### 🧪 검사 결과 (Laboratory Results)
{json.dumps(scenario_data.get('labs', {}), ensure_ascii=False, indent=2)}

### 💊 의사 처방 (Physician Orders)
{json.dumps(scenario_data.get('orders', []), ensure_ascii=False, indent=2)}

### 📝 간호 기록 (Nursing Notes)
{json.dumps(scenario_data.get('nursing_notes', []), ensure_ascii=False, indent=2)}

---

## 🎓 학생이 작성한 SBAR 인수인계

**S - Situation (상황)**
{student_sbar.get('situation', '')}

**B - Background (배경)**
{student_sbar.get('background', '')}

**A - Assessment (평가)**
{student_sbar.get('assessment', '')}

**R - Recommendation (권고사항)**
{student_sbar.get('recommendation', '')}

---

## 📝 평가 기준 (총 100점)

### 1️⃣ 완전성 (Completeness, 0-25점)
**필수 정보 포함 여부를 평가합니다:**

**Situation (6점):**
- 환자 신원 (이름, 나이, 성별) [2점]
- 주호소/입원 사유 [2점]
- 현재 상태 요약 [2점]

**Background (6점):**
- 진단명 [1점]
- 과거력 [1점]
- 알레르기 [1점]
- 현재 투약 [2점]
- 수술력 (해당 시) [1점]

**Assessment (8점):**
- 활력징후 (BP, HR, RR, BT, SpO2) [3점]
- 주요 검사 결과 (WBC, CRP 등) [2점]
- 통증 점수 [1점]
- IV/Foley/Drain 등 라인 상태 [1점]
- 중요한 변화/우려사항 [1점]

**Recommendation (5점):**
- 다음 단계 계획 [2점]
- 주의사항/모니터링 [2점]
- 예정 검사/치료 [1점]

### 2️⃣ 정확성 (Accuracy, 0-25점)
**의료 정보의 정확성을 평가합니다:**

- 활력징후 수치의 정확성 [5점]
- 검사 결과 수치의 정확성 [5점]
- 의학 용어의 올바른 사용 [5점]
- 시간 순서의 정확성 [5점]
- 인과관계의 논리성 [5점]

**감점 요소:**
- 수치 오류 (각 -2점)
- 의학 용어 오용 (각 -2점)
- 시간 순서 혼동 (-3점)
- 중요 정보 누락 (각 -3점)

### 3️⃣ 명료성 (Clarity, 0-25점)
**의사소통의 명확성을 평가합니다:**

- 간결하고 명확한 표현 [7점]
- 논리적인 흐름 [6점]
- 불필요한 중복 없음 [6점]
- 전문적이면서 이해하기 쉬운 표현 [6점]

**감점 요소:**
- 모호한 표현 (각 -2점)
- 과도한 중복 (각 -2점)
- 비논리적 전개 (-3점)

### 4️⃣ 우선순위 (Priority, 0-25점)
**중요 정보의 우선 전달을 평가합니다:**

- 위급/주의사항 우선 언급 [8점]
- 중요도에 따른 정보 배치 [7점]
- 즉각 조치 필요 사항 강조 [5점]
- 환자 안전 관련 정보 우선 [5점]

**특별 고려사항:**
- 비정상 활력징후 우선 언급 (+보너스)
- 알레르기 조기 언급 (+보너스)
- 통증/불편감 즉시 언급 (+보너스)

---

## 🎯 평가 지침

1. **한국 간호 실무 표준 준수**: 대한간호협회 인수인계 가이드라인 기준
2. **환자 안전 최우선**: 환자 안전에 영향을 미치는 정보 평가 강화
3. **실무 적용성**: 실제 임상에서 사용 가능한 수준 평가
4. **교육적 피드백**: 건설적이고 구체적인 개선사항 제시

## 📤 출력 형식

**반드시 아래 JSON 형식으로만 응답하세요. 다른 텍스트는 포함하지 마세요.**

```json
{{
  "total_score": 85,
  "category_scores": {{
    "completeness": 22,
    "accuracy": 23,
    "clarity": 20,
    "priority": 20
  }},
  "strengths": [
    "환자의 주호소와 현재 상태를 명확하게 기술했습니다.",
    "비정상 활력징후(HR 96, BT 37.9℃)를 정확히 포함하고 우선 순위를 두었습니다.",
    "주요 검사 결과(WBC 14.8, CRP 6.2)를 구체적으로 언급했습니다.",
    "응급 수술 예정 시간과 준비 사항을 명확히 전달했습니다.",
    "NPO 유지 및 항생제 투여 등 현재 치료 계획을 정확히 기술했습니다."
  ],
  "improvements": [
    "통증 점수(NRS 8/10)를 Assessment 섹션 앞부분에 명시하여 환자의 불편감을 강조하세요.",
    "IV 라인 상태(D5NS 80 mL/hr)를 Assessment에 추가하면 더 완전합니다.",
    "Recommendation에서 수술 후 모니터링 계획(V/S q4h, 합병증 관찰)을 구체적으로 명시하세요.",
    "McBurney point 압통, 반발통 등 신체 검진 소견을 Assessment에 포함하면 좋습니다.",
    "입원 경로(응급실 경유)와 입원 시간을 Background에 추가하면 완전성이 향상됩니다."
  ],
  "missing_critical_info": [
    "IV 라인 종류 및 유속",
    "신체 검진 소견 (McBurney point 압통, 반발통)",
    "수술 후 모니터링 계획"
  ],
  "safety_concerns": [
    "통증 점수가 높음(NRS 8/10)에도 불구하고 통증 관리 우선순위가 명확하지 않습니다.",
    "비정상 활력징후(발열 37.9℃)에 대한 지속적 모니터링 계획이 구체적이지 않습니다."
  ],
  "clinical_reasoning": {{
    "situation_assessment": "학생은 환자의 주호소와 현재 상태를 명확히 파악하고 있으나, 통증의 심각성을 충분히 강조하지 못했습니다.",
    "background_completeness": "진단명과 검사 결과는 잘 포함했으나, 입원 경로와 시간에 대한 정보가 부족합니다.",
    "assessment_quality": "활력징후와 주요 검사 결과를 포함했으나, 신체 검진 소견과 IV 라인 정보가 누락되었습니다.",
    "recommendation_specificity": "수술 계획은 명확하나, 수술 전후 구체적인 간호 중재 및 모니터링 계획이 미흡합니다."
  }},
  "grade_level": "B+ (우수)",
  "pass_fail": "Pass",
  "detailed_feedback": "전반적으로 SBAR 구조를 잘 이해하고 있으며, 환자의 핵심 문제를 파악하여 인수인계했습니다. 특히 비정상 활력징후와 주요 검사 결과를 정확히 포함한 점이 우수합니다.\\n\\n**강점:** Situation에서 환자의 주호소(우하복부 통증)와 이동 양상을 명확히 기술했고, Background에서 급성 충수염 진단과 CT 소견을 구체적으로 언급했습니다. Recommendation에서 응급 수술 시간을 명시한 것도 좋습니다.\\n\\n**개선사항:** Assessment에서 통증 점수(NRS 8/10)를 더 앞부분에 강조하고, IV 라인 상태와 신체 검진 소견(McBurney point 압통, 반발통)을 추가하면 완전성이 향상됩니다. Recommendation에서 수술 후 V/S 모니터링 주기(q4h)와 합병증 관찰 항목을 구체적으로 명시하세요.\\n\\n**환자 안전:** 높은 통증 점수와 발열에 대한 지속적 관찰이 필요하며, 이를 인수인계 시 더 강조해야 합니다. NPO 유지와 항생제 투여는 잘 언급했습니다.\\n\\n**실무 적용:** 임상에서 충분히 사용 가능한 수준이나, 신체 검진 소견과 라인 정보를 추가하면 더욱 완성도 높은 인수인계가 될 것입니다."
}}
```

**평가 시 주의사항:**
1. 긍정적인 측면을 먼저 언급하고 건설적인 피드백 제공
2. 구체적인 개선 방법 제시 (예시 포함)
3. 환자 안전과 관련된 중요 정보 누락 시 명확히 지적
4. 실제 임상 적용 가능성 고려
5. 학생의 수준에 맞는 기대치 설정 (과도한 비판 지양)
"""
        return prompt

    def _create_default_evaluation(self) -> dict:
        """API 오류 시 기본 평가 결과 반환"""
        return {
            "total_score": 0,
            "category_scores": {
                "completeness": 0,
                "accuracy": 0,
                "clarity": 0,
                "priority": 0,
            },
            "strengths": ["평가를 진행할 수 없습니다."],
            "improvements": ["API 오류가 발생했습니다. 나중에 다시 시도해주세요."],
            "detailed_feedback": "평가 시스템에 문제가 발생했습니다. 관리자에게 문의하세요.",
        }

    def chat_feedback(
        self,
        user_message: str,
        chat_history: list,
        scenario_data: dict,
        patient_data: dict,
    ) -> str:
        """
        대화형 SBAR 피드백 제공

        Args:
            user_message: 학생의 현재 메시지
            chat_history: 이전 대화 기록 [(role, message), ...]
            scenario_data: 시나리오 데이터 (EMR 정보)
            patient_data: 환자 기본 정보

        Returns:
            AI 피드백 메시지
        """
        prompt = self._create_chat_feedback_prompt(
            user_message, chat_history, scenario_data, patient_data
        )

        try:
            response = self.model.generate_content(
                prompt,
                generation_config={
                    "temperature": 0.8,
                    "top_p": 0.95,
                    "max_output_tokens": 1500,
                },
            )

            return response.text.strip()

        except Exception as e:
            print(f"Gemini API 오류: {e}")
            return "죄송합니다. 일시적인 오류가 발생했습니다. 다시 시도해주세요."

    def _create_chat_feedback_prompt(
        self, user_message: str, chat_history: list, scenario_data: dict, patient_data: dict
    ) -> str:
        """대화형 피드백 프롬프트 생성"""

        # 이전 대화 기록 포맷팅
        history_text = ""
        if chat_history:
            for role, message in chat_history:
                if role == "user":
                    history_text += f"\n학생: {message}\n"
                else:
                    history_text += f"\nAI 교수: {message}\n"

        prompt = f"""당신은 20년 경력의 한국 간호 교육 전문가이자 간호학 교수입니다. 
학생이 SBAR 형식의 인수인계를 연습하고 있으며, 대화를 통해 피드백을 제공하고 있습니다.

## 📋 환자 정보 (EMR 데이터)
- **환자명**: {patient_data.get('name')} ({patient_data.get('age')}세 {patient_data.get('gender')})
- **진단명**: {patient_data.get('diagnosis')}
- **입원일**: {patient_data.get('admission_date')}
- **알레르기**: {patient_data.get('allergies')}

## 🏥 인수인계 상황
- **시나리오**: {scenario_data.get('title')}
- **인계 상황**: {scenario_data.get('handoff_situation')}

### 📊 활력징후 (Vital Signs)
{json.dumps(scenario_data.get('vitals', {}), ensure_ascii=False, indent=2)}

### 🧪 검사 결과 (Laboratory Results)
{json.dumps(scenario_data.get('labs', {}), ensure_ascii=False, indent=2)}

### 💊 의사 처방 (Physician Orders)
{json.dumps(scenario_data.get('orders', []), ensure_ascii=False, indent=2)}

### 📝 간호 기록 (Nursing Notes)
{json.dumps(scenario_data.get('nursing_notes', []), ensure_ascii=False, indent=2)}

---

## 💬 이전 대화 기록
{history_text if history_text else "(첫 대화입니다)"}

---

## 🎓 학생의 현재 메시지
{user_message}

---

## 📝 피드백 가이드라인

1. **친절하고 격려적인 톤**: 학생이 편안하게 질문하고 개선할 수 있도록 지원
2. **SBAR 구조 준수 확인**: 학생이 작성한 내용이 SBAR 형식을 따르는지 확인
3. **구체적인 개선 제안**: 막연한 피드백이 아닌 구체적인 예시 제공
4. **중요 정보 누락 지적**: EMR 데이터에 있는 중요한 정보가 빠졌다면 언급
5. **환자 안전 강조**: 환자 안전과 관련된 정보는 특히 강조
6. **단계적 개선**: 한 번에 모든 것을 고치려 하지 말고, 우선순위가 높은 것부터 제안
7. **최종 제출 전**: 점수를 매기지 말고, 개선 방향만 제시

## 응답 형식

- 자연스러운 대화체로 응답하세요.
- 학생이 잘한 부분을 먼저 칭찬하세요.
- 개선이 필요한 부분은 "~하면 더 좋을 것 같아요", "~를 추가해보는 건 어떨까요?" 같은 제안 형식으로 제시하세요.
- 필요시 예시를 들어 설명하세요.
- 학생이 "최종 제출"을 언급하지 않는 한, 점수나 등급을 매기지 마세요.

응답을 작성해주세요:
"""
        return prompt

    def evaluate_conversation(
        self,
        chat_history: list,
        scenario_data: dict,
        patient_data: dict
    ) -> dict:
        """
        전체 대화를 분석하여 질적 피드백 제공 (점수 없음)
        
        Args:
            chat_history: 전체 대화 기록 [[user_msg, assistant_msg], ...]
            scenario_data: 시나리오 데이터 (EMR 정보)
            patient_data: 환자 기본 정보
            
        Returns:
            평가 결과 딕셔너리 (점수 없이 질적 피드백만)
        """
        prompt = self._create_conversation_evaluation_prompt(
            chat_history, scenario_data, patient_data
        )
        
        try:
            response = self.model.generate_content(
                prompt,
                generation_config={
                    "temperature": 0.7,
                    "top_p": 0.95,
                    "max_output_tokens": 2048,
                },
            )
            
            # JSON 응답 파싱
            result_text = response.text.strip()
            
            # Markdown 코드 블록 제거
            if result_text.startswith("```"):
                result_text = result_text.split("```")[1]
                if result_text.startswith("json"):
                    result_text = result_text[4:]
                result_text = result_text.strip()
            
            evaluation = json.loads(result_text)
            return evaluation
            
        except json.JSONDecodeError as e:
            print(f"JSON 파싱 오류: {e}")
            print(f"응답 텍스트: {response.text}")
            return self._create_default_evaluation_conversation()
        except Exception as e:
            print(f"Gemini API 오류: {e}")
            return self._create_default_evaluation_conversation()
    
    def _create_conversation_evaluation_prompt(
        self, chat_history: list, scenario_data: dict, patient_data: dict
    ) -> str:
        """전체 대화 평가 프롬프트 생성"""
        
        # 전체 대화 내용 포맷팅
        conversation_text = ""
        for user_msg, bot_msg in chat_history:
            if user_msg:
                conversation_text += f"\n**학생**: {user_msg}\n"
            if bot_msg:
                conversation_text += f"\n**AI 교수**: {bot_msg}\n"
        
        prompt = f"""당신은 20년 경력의 한국 간호 교육 전문가이자 간호학 교수입니다. 
간호 학생이 AI 교수와 나눈 대화를 분석하여 건설적인 종합 피드백을 제공해주세요.

**중요**: 
- 대화에서 "학생"이 적힌 부분이 실제 학습하는 간호 학생입니다.
- "환자"는 EMR 정보에 나온 환자입니다.
- 학생이 환자에 대한 인수인계 내용을 작성하는 것을 평가해주세요.

## 📋 환자 정보 (EMR 데이터 - 학생이 인수인계해야 할 환자)
- **환자명**: {patient_data.get('name')} ({patient_data.get('age')}세 {patient_data.get('gender')})
- **진단명**: {patient_data.get('diagnosis')}
- **입원일**: {patient_data.get('admission_date')}
- **알레르기**: {patient_data.get('allergies')}

## 🏥 인수인계 상황
- **시나리오**: {scenario_data.get('title')}
- **인계 상황**: {scenario_data.get('handoff_situation')}

### 📊 활력징후 (Vital Signs)
{json.dumps(scenario_data.get('vitals', {}), ensure_ascii=False, indent=2)}

### 🧪 검사 결과 (Laboratory Results)
{json.dumps(scenario_data.get('labs', {}), ensure_ascii=False, indent=2)}

### 💊 의사 처방 (Physician Orders)
{json.dumps(scenario_data.get('orders', []), ensure_ascii=False, indent=2)}

### 📝 간호 기록 (Nursing Notes)
{json.dumps(scenario_data.get('nursing_notes', []), ensure_ascii=False, indent=2)}

---

## 💬 학생과 AI 교수 간 대화 내용
**학생이 작성한 인수인계 내용과 AI 교수의 피드백이 포함된 전체 대화:**

{conversation_text if conversation_text else "(대화 없음)"}

**위 대화에서 학생이 환자({patient_data.get('name')})에 대한 인수인계를 어떻게 작성했는지 분석하세요.**

---

## 📝 평가 가이드

**중요:**
- ❌ 점수를 매기지 마세요 (total_score, category_scores 사용 금지)
- ✅ 질적 피드백에 집중하세요
- ✅ 대화에서 나타난 강점을 구체적으로 언급하세요
- ✅ 개선할 점을 건설적으로 제시하세요
- ✅ 누락된 중요 정보를 파악하세요
- ✅ 환자 안전과 관련된 주의사항을 강조하세요
- ✅ 학습을 격려하는 톤을 유지하세요

**평가 기준:**
1. **완전성**: 필수 정보(환자 신원, 진단, 활력징후, 처방 등) 포함 여부
2. **정확성**: 의료 정보의 정확성
3. **명료성**: 의사소통의 명확성
4. **우선순위**: 중요한 정보의 우선 전달
5. **환자 안전**: 환자 안전과 관련된 정보 강조

---

## 📤 출력 형식 (JSON)

반드시 아래 JSON 형식으로만 응답하세요:

```json
{{
  "strengths": [
    "구체적으로 잘한 점 1",
    "구체적으로 잘한 점 2",
    "구체적으로 잘한 점 3"
  ],
  "improvements": [
    "구체적으로 개선할 점 1",
    "구체적으로 개선할 점 2",
    "구체적으로 개선할 점 3"
  ],
  "detailed_feedback": "학생의 전반적인 학습 상태에 대한 종합적인 의견. 길게 작성하되 구체적으로.",
  "missing_critical_info": [
    "누락된 중요 정보 1",
    "누락된 중요 정보 2"
  ],
  "safety_concerns": [
    "환자 안전 관련 주의사항 1",
    "환자 안전 관련 주의사항 2"
  ]
}}
```

**참고:**
- 점수 필드(total_score, category_scores)는 포함하지 마세요
- 배열 항목은 최소 2-3개 이상 작성하세요
- detailed_feedback은 200자 이상 작성하세요
- 한글로 작성하세요
"""
        return prompt
    
    def _create_default_evaluation_conversation(self) -> dict:
        """평가 실패 시 기본 결과 반환 (점수 없이)"""
        return {
            "strengths": ["대화 내용을 분석했습니다."],
            "improvements": ["평가 시스템 오류로 구체적인 피드백을 제공할 수 없습니다."],
            "detailed_feedback": "평가 시스템에 문제가 발생했습니다. 나중에 다시 시도해주세요.",
            "missing_critical_info": [],
            "safety_concerns": []
        }