Delete app.py

app.py

@@ -1,97 +0,0 @@
-import gradio as gr
-from transformers import pipeline
-from PIL import Image
-import requests
-import torch
-
-# Verifique se uma GPU está disponível e configure o dispositivo
-# Se você tiver um Hugging Face Space com GPU, use "cuda". Caso contrário, use "cpu".
-device = "cuda" if torch.cuda.is_available() else "cpu"
-
-# Inicializa o pipeline do modelo MedGemma
-# O modelo google/medgemma-4b-it é uma variante de 4 bilhões de parâmetros
-# O torch_dtype=torch.bfloat16 é recomendado para desempenho em GPUs mais recentes
-# Certifique-se de que a versão do transformers seja >= 4.50.0
-try:
-    medgemma_pipe = pipeline(
-        "image-text-to-text",
-        model="google/medgemma-4b-it",
-        torch_dtype=torch.bfloat16,
-        device=device,
-    )
-except Exception as e:
-    print(f"Erro ao carregar o modelo MedGemma: {e}")
-    print("Verifique se você aceitou os termos de uso na página do modelo Hugging Face e se suas dependências estão corretas.")
-    # Se o modelo não carregar, use uma função dummy para que a interface ainda funcione
-    def medgemma_pipe(messages, max_new_tokens):
-        print("Modelo não carregado, usando função dummy.")
-        return [{"generated_text": [{"content": "Desculpe, o modelo não pôde ser carregado. Verifique os logs."}]}]
-
-def process_medical_query(image_input, text_input):
-    """
-    Processa uma consulta médica que pode incluir uma imagem e/ou texto.
-    """
-    messages = []
-
-    # O MedGemma é otimizado para aplicações médicas com geração de texto [cite: 113]
-    # Se uma imagem for fornecida, adicione-a ao conteúdo da mensagem do usuário
-    if image_input:
-        # O modelo espera imagens normalizadas para 896x896 pixels [cite: 232]
-        # Embora o pipeline possa lidar com isso automaticamente, é uma boa prática estar ciente
-        image = image_input.convert("RGB") # Garante que a imagem esteja em formato RGB
-
-        # A role 'system' pode ser usada para instruir o modelo, como ser um 'radiologista' [cite: 141, 142]
-        messages.append({"role": "system", "content": [{"type": "text", "text": "Você é um assistente médico especialista."}]})
-        
-        # A role 'user' contém a pergunta e a imagem [cite: 145, 146, 147, 148, 149]
-        user_content = []
-        if text_input:
-            user_content.append({"type": "text", "text": text_input})
-        user_content.append({"type": "image", "image": image})
-        messages.append({"role": "user", "content": user_content})
-
-    elif text_input:
-        messages.append({"role": "system", "content": [{"type": "text", "text": "Você é um assistente médico especialista."}]})
-        messages.append({"role": "user", "content": [{"type": "text", "text": text_input}]})
-    else:
-        return "Por favor, forneça uma imagem e/ou uma pergunta."
-
-    try:
-        # A geração de texto é o principal objetivo do MedGemma [cite: 113]
-        # max_new_tokens define o comprimento máximo da resposta gerada 
-        output = medgemma_pipe(text=messages, max_new_tokens=500)
-        
-        # O resultado é uma lista de dicionários; precisamos extrair o texto gerado
-        generated_text = output[0]["generated_text"][-1]["content"]
-        return generated_text
-    except Exception as e:
-        return f"Ocorreu um erro durante a inferência: {e}. Verifique a entrada ou os logs do Space."
-
-# Configuração da interface Gradio
-# O MedGemma suporta entrada de texto e visão, e saída de texto [cite: 210, 211]
-iface = gr.Interface(
-    fn=process_medical_query,
-    inputs=[
-        gr.Image(type="pil", label="Envie uma Imagem Médica (Opcional)"),
-        gr.Textbox(lines=5, placeholder="Descreva a imagem ou faça uma pergunta médica...", label="Sua Pergunta/Descrição"),
-    ],
-    outputs="text",
-    title="⚕️ Assistente Médico com MedGemma 4B ⚕️",
-    description=(
-        "Este é um demonstrador interativo utilizando o modelo Google MedGemma 4B, "
-        "treinado para compreensão de texto e imagem médica[cite: 91]. "
-        "Envie uma imagem médica (como um raio-X) e/ou faça uma pergunta para obter uma análise. "
-        "Lembre-se: As saídas geradas por modelos de IA são **preliminares** e **não devem ser usadas para diagnóstico ou tratamento clínico**[cite: 463, 464, 469]."
-    ),
-    live=False,
-    allow_flagging="auto",
-    examples=[
-        [None, "Quais são os principais riscos de diabetes não controlada?"],
-        ["https://upload.wikimedia.org/wikipedia/commons/c/c8/Chest.jpg", "Descreva este raio-X do tórax."],
-        ["https://upload.wikimedia.org/wikipedia/commons/c/c8/Chest.jpg", "Há sinais de pneumonia nesta imagem?"],
-    ]
-)
-
-# Inicia a interface Gradio
-if __name__ == "__main__":
-    iface.launch()