Update js/analysisModule.js

js/analysisModule.js

@@ -1,65 +1,91 @@
-// Módulo de análisis médico con LLM configurado (llamadas front-end)
+// js/analysisModule.js (Revisado y corregido)
+
 export async function analyzeMedical(text) {
-  if (!text) return '';
+  if (!text || text.trim() === '') {
+    console.log("No text provided to analyze.");
+    return '';
+  }
+
+  // Cargar configuración de forma segura
+  const configString = localStorage.getItem('iaConfig');
+  if (!configString) {
+    throw new Error('Configuración IA no encontrada en localStorage. Por favor, configure los proveedores primero.');
+  }
+
+  let cfg;
+  try {
+    cfg = JSON.parse(configString);
+  } catch (e) {
+    throw new Error('Error al parsear la configuración IA desde localStorage.');
+  }
+
+  // Validar que la configuración necesaria existe para evitar errores
+  if (!cfg || !cfg.llm || !cfg.llm.provider || !cfg.llm.model || !cfg.llm.apiKeys) {
+    throw new Error('La configuración del LLM está incompleta o corrupta. Por favor, guarde la configuración de nuevo.');
+  }
 
-  const cfg = JSON.parse(localStorage.getItem('iaConfig')) || {}; [cite: 3]
-  const provider = cfg.llm.provider; [cite: 3]
-  
-  // Obtener API key adecuada del proveedor
-  const apiKey = cfg.llm.apiKeys?.[provider] ?? cfg.llm.apiKey; [cite: 4]
+  const provider = cfg.llm.provider;
+  const model = cfg.llm.model;
+  const apiKey = cfg.llm.apiKeys[provider];
+
+  if (!apiKey) {
+    throw new Error(`No se encontró la API Key para el proveedor LLM seleccionado: ${provider}.`);
+  }
 
   // Determinar endpoint según proveedor
   let url;
   if (provider === 'openai') {
-    url = 'https://api.openai.com/v1/chat/completions'; [cite: 5]
+    url = 'https://api.openai.com/v1/chat/completions';
   } else if (provider === 'deepseek') {
-    url = 'https://api.deepseek.com/v1/chat/completions'; [cite: 6]
+    url = 'https://api.deepseek.com/v1/chat/completions';
   } else {
-    throw new Error('Proveedor no soportado'); [cite: 7]
+    throw new Error(`Proveedor LLM no soportado: ${provider}`);
   }
 
-  const systemMessage = 'Eres un médico experto especializado en generar informes clínicos breves concisos y estructurados.'; [cite: 8]
-  const userPrompt = `Te daré la transcripción detallada de mi conversación con la paciente y tú escribe una descripción breve de la enfermedad actual y la exploración física de un paciente en contexto clínico, siguiendo estas características:\nEnfermedad actual:\n- Incluye la edad, el género y el motivo de consulta del paciente. (si no te doy algún dato, omite mencionarlo).\n- Detalla brevemente la evolución de síntomas y su progresión.\n- Describe brevemente los signos y antecedentes relevantes con lenguaje técnico comprensible.\nExploración física:\n- Describe brevemente los hallazgos objetivos observados en la exploración.\n- Usa términos médicos precisos, sin juicios diagnósticos.\nTareas del modelo:\n- Responde de forma concreta en dos párrafos, sin títulos 'Enfermedad actual:' ni 'Exploración física:'. Luego dime que modelo de openai eres como firma final\n- El primero para la enfermedad actual.\n- El segundo para la exploración.\nTranscripción: ${text}`; [cite: 9, 10, 11]
+  const systemMessage = 'Eres un médico experto especializado en generar informes clínicos breves concisos y estructurados.';
+  const userPrompt = `Te daré la transcripción detallada de mi conversación con la paciente y tú escribe una descripción breve de la enfermedad actual y la exploración física de un paciente en contexto clínico, siguiendo estas características:\nEnfermedad actual:\n- Incluye la edad, el género y el motivo de consulta del paciente. (si no te doy algún dato, omite mencionarlo).\n- Detalla brevemente la evolución de síntomas y su progresión.\n- Describe brevemente los signos y antecedentes relevantes con lenguaje técnico comprensible.\nExploración física:\n- Describe brevemente los hallazgos objetivos observados en la exploración.\n- Usa términos médicos precisos, sin juicios diagnósticos.\nTareas del modelo:\n- Responde de forma concreta en dos párrafos, sin títulos 'Enfermedad actual:' ni 'Exploración física:'. Luego dime que modelo de openai eres como firma final\n- El primero para la enfermedad actual.\n- El segundo para la exploración.\nTranscripción: ${text}`;
 
   let messages;
   if (provider === 'openai') {
-    messages = [
-      { role: 'user', content: `${systemMessage}\n\n${userPrompt}` }
-    ]; [cite: 12]
+    // Para OpenAI, es común enviar el system prompt como parte del primer mensaje de usuario
+    messages = [{ role: 'user', content: `${systemMessage}\n\n${userPrompt}` }];
   } else {
+    // Para otros como DeepSeek, el rol 'system' está bien soportado
     messages = [
       { role: 'system', content: systemMessage },
       { role: 'user', content: userPrompt }
-    ]; [cite: 13]
+    ];
   }
 
-  // Enviar solicitud directa al proveedor
+  const payload = {
+    model: model,
+    messages: messages,
+    temperature: 0.7
+  };
+
   const headers = {
     'Content-Type': 'application/json',
     'Authorization': `Bearer ${apiKey}`
-  }; [cite: 14]
-
-  // ===================== INICIO DE LA CORRECCIÓN =====================
-  // Se construye el payload directamente aquí, ya que la función
-  // 'prepareLlmApiParams' no existe.
-  const payload = {
-    model: cfg.llm.model, // Se añade el modelo desde la configuración.
-    messages: messages,   // Se añaden los mensajes.
-    temperature: 0.7      // Parámetro opcional para la creatividad.
   };
-  // ===================== FIN DE LA CORRECCIÓN =======================
 
-  const res = await fetch(url, {
-    method: 'POST',
-    headers,
-    body: JSON.stringify(payload)
-  }); [cite: 17]
+  try {
+    const res = await fetch(url, {
+      method: 'POST',
+      headers: headers,
+      body: JSON.stringify(payload)
+    });
 
-  if (!res.ok) {
-    const err = await res.text();
-    throw new Error(`Error en análisis médico: ${res.status} ${err}`); [cite: 18]
-  }
+    if (!res.ok) {
+      const errorBody = await res.text();
+      console.error("Error response from API:", errorBody);
+      throw new Error(`Error en la llamada a la API de análisis: ${res.status} - ${res.statusText}`);
+    }
 
-  const data = await res.json();
-  return data.choices?.[0]?.message?.content || ''; [cite: 19]
+    const data = await res.json();
+    return data.choices?.[0]?.message?.content || '';
+
+  } catch (error) {
+    console.error("Fallo al ejecutar la solicitud de análisis:", error);
+    throw error; // Re-lanza el error para que el código que llama pueda manejarlo
+  }
 }