Update app.py

app.py

@@ -1,33 +1,320 @@
-from flask import Flask, request, jsonify
-from flask_cors import CORS
-from FINAL_CODE import answer_question
-app = Flask(__name__)
-CORS(app)
-
-@app.route('/api/ask', methods=['POST'])
-def ask_question():
+import pandas as pd
+import gradio as gr
+from transformers import AutoTokenizer, AutoModelForSequenceClassification
+from sentence_transformers import SentenceTransformer, util
+from difflib import get_close_matches
+import requests
+import io
+import torch
+
+# GitHub Excel file URL
+GITHUB_EXCEL_URL = "https://raw.githubusercontent.com/3Zzamt0o/HospitalData/main/Hospital%20Data%20(1).xlsx"
+
+def load_hospital_data():
     try:
-        data = request.get_json()
-        if not data or 'question' not in data:
-            return jsonify({
-                'success': False,
-                'error': 'Question is required'
-            }), 400
-
-        question = data['question']
-        answer = answer_question(question)
-
-        return jsonify({
-            'success': True,
-            'question': question,
-            'answer': answer
+        # Fetch Excel file from GitHub
+        response = requests.get(GITHUB_EXCEL_URL)
+        response.raise_for_status()  # Raise an exception for bad status codes
+        
+        # Read Excel file from the response content
+        excel_data = io.BytesIO(response.content)
+        df = pd.read_excel(excel_data)
+        
+        print("Successfully loaded data from GitHub")
+        return df
+    except Exception as e:
+        print(f"Error loading data from GitHub: {e}")
+        # Fallback to default data if GitHub fetch fails
+        return pd.DataFrame({
+            'العيادات': ['عيادة الأسنان', 'عيادة الباطنة', 'عيادة العظام', 'عيادة الأطفال'],
+            'الدكتور': ['د. أحمد محمد', 'د. محمد علي', 'د. علي حسن', 'د. سارة أحمد'],
+            'الأيام': ['السبت والاثنين', 'الأحد والثلاثاء', 'الاثنين والأربعاء', 'الثلاثاء والخميس'],
+            'سعر الكشف': ['100 جنيه', '150 جنيه', '120 جنيه', '130 جنيه']
         })
+
+# Load the hospital data
+print("Loading hospital data...")
+df = load_hospital_data()
+
+# Q&A data for lab tests and equipment
+data = {
+    "السؤال": [
+        "ما هي مواعيد معمل التحاليل ؟", "ما هي المده المستغرقه لعمل التحاليل ؟",
+        "ما هي انواع التحاليل الموجوده و المتوفره ؟", "هل يوجد تحليل صوره دم  ؟",
+        "ماهي تحاليل صوره الدم ؟", "ما هي تحاليل السكر  ؟", "ما هي تحاليل وظائف الكبد ؟",
+        "ما هي تحاليل وظائف الكلي ؟", "ما هي تحاليل البول و البراز ؟",
+        "ما هي تحاليل الدهون  ؟", "ما هي تحاليل الألتهابات و الروماتيزم   ؟",
+        "ما هي تحاليل الفيروسات   ؟", "ما هي تحاليل الغده الدرقيه ؟",
+        "هل يوجد حشو اسنان ؟", "هل يوجد جهاز سونار  ؟", "هل يوجد اجهزه تنفس اصطناعي  ؟",
+        "هل يوجد قياس نظر  ؟", "ما هي الاجهزه المتاحه في عياده الرمد ؟",
+        "هل يوجد قياس ضغط ؟", "هل يوجد سونار  ؟", "هل يوجد رسم قلب  ؟"
+    ],
+    "الجواب": [
+        "طول ايام الاسبوع من 9 صباحا الي 9 مسائا", "من 24 ساعه الي 48 ساعه",
+        "تحاليل صوره الدم، تحاليل سكر، تحاليل وظائف الكبد، تحاليل وظائف الكلي",
+        "نعم يوجد جميع انواع التحاليل بالمستشفي", "CBC، Hb%(Heamoglobin)، Blood Group، Rh",
+        "Rbs سكر عشوائي، سكر صائم FBS، PPbs سكر فاطر", "ALT(GPT)، AST(GOT)، Billirubin",
+        "Ceatinin الكرياتنين، Urea اليوريا، Urine البول، Uric acid اليوريك اسد",
+        "Urine البول، Stool البراز، جرثومه المعده في البراز", "Cholesterol كوليسترول، Triglyceride الدهون الثلاثيه",
+        "CRP، ASOT", "HCV Ab، GBS Ag، HIC Ab", "Tsh، T3، t4",
+        "نعم يوجد حشو أسنان", "نعم يوجد جهاز سونار", "نعم يوجد أجهزة تنفس إصطناعي",
+        "نعم يوجد قياس نظر", "جهاز قاع العين، جهاز قياس النظر، جهاز الكشف من الحساسية والالتهابات",
+        "نعم يوجد قياس ضغط", "نعم يوجد سونار", "نعم يوجد رسم قلب"
+    ]
+}
+
+qa_data = pd.DataFrame(data)
+
+# Medical knowledge base
+medical_kb = {
+    "الجفاف": "في حالة الشعور بالجفاف: 1- شرب الكثير من السوائل 2- تناول الأطعمة الغنية بالماء 3- تجنب ال��عرض المباشر للشمس 4- استشارة الطبيب إذا استمرت الأعراض",
+    "الصداع": "لعلاج الصداع: 1- الراحة في مكان هادئ 2- شرب الماء بكثرة 3- تناول مسكن خفيف 4- تجنب الضوء القوي والضوضاء",
+    "التعب": "للتغلب على التعب: 1- الحصول على قسط كافٍ من النوم 2- تناول غذاء صحي متوازن 3- ممارسة تمارين خفيفة 4- تجنب الإجهاد",
+    "الحمى": "عند الإصابة بالحمى: 1- الراحة التامة 2- شرب السوائل بكثرة 3- خفض درجة الحرارة بالكمادات 4- استشارة الطبيب إذا تجاوزت 39 درجة",
+    "السعال": "لتخفيف السعال: 1- شرب الماء الدافئ مع العسل 2- استخدام مرطب الهواء 3- تجنب المثيرات 4- الراحة وتناول الأدوية المناسبة",
+    "ألم المعدة": "لعلاج ألم المعدة: 1- تجنب الأطعمة الدهنية والحارة 2- تناول وجبات خفيفة 3- شرب مشروبات دافئة كاليانسون 4- استشارة الطبيب إذا استمر الألم",
+    "الإسهال": "لعلاج الإسهال: 1- شرب محلول معالجة الجفاف 2- تجنب الأطعمة الدسمة 3- تناول وجبات خفيفة وسهلة الهضم 4- مراجعة الطبيب إذا استمر لأكثر من يومين",
+    "الإمساك": "لعلاج الإمساك: 1- تناول الألياف مثل الخضروات والفواكه 2- شرب الماء بكثرة 3- ممارسة النشاط البدني 4- استخدام ملينات طبيعية إذا لزم الأمر",
+    "الزكام": "لعلاج الزكام: 1- الراحة 2- شرب السوائل الساخنة 3- استخدام بخاخات الأنف 4- تجنب البرد والتيارات الهوائية",
+    "ألم الظهر": "لتخفيف ألم الظهر: 1- تجنب الجلوس لفترات طويلة 2- ممارسة تمارين التمدد 3- استخدام كمادات دافئة 4- مراجعة الطبيب في حال استمرار الألم"
+}
+
+# Initialize models and embeddings
+print("Loading Arabic model and tokenizer...")
+try:
+    model_id = "aubmindlab/bert-base-arabertv2"
+    tokenizer = AutoTokenizer.from_pretrained(model_id)
+    model = AutoModelForSequenceClassification.from_pretrained(model_id)
+    print("Arabic model loaded successfully")
+except Exception as e:
+    print(f"Warning: Could not load Arabic model: {e}")
+    tokenizer = None
+    model = None
+
+print("Loading sentence transformer...")
+try:
+    embedder = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")
+    print("Sentence transformer loaded successfully")
+except Exception as e:
+    print(f"Error loading sentence transformer: {e}")
+    embedder = None
+
+# Prepare passages from hospital data
+passages = []
+for _, row in df.iterrows():
+    if pd.isna(row['الدكتور']) and pd.isna(row['العيادات']):
+        continue
+    text = f"العيادة: {row['العيادات']}، الدكتور: {row['الدكتور']}، الأيام: {row['الأيام']}، السعر: {row['سعر الكشف']}"
+    passages.append(text)
+
+# Create embeddings for passages
+if embedder:
+    try:
+        corpus_embeddings = embedder.encode(passages, convert_to_tensor=True)
+        print("Corpus embeddings created successfully")
     except Exception as e:
-        return jsonify({
-            'success': False,
-            'error': str(e)
-        }), 500
-
-if __name__ == '__main__':
-    # Make sure to run with host='0.0.0.0' to be accessible externally if needed
-    app.run(host='0.0.0.0', port=5000, debug=True)
+        print(f"Error creating embeddings: {e}")
+        corpus_embeddings = None
+else:
+    corpus_embeddings = None
+
+def check_lab_or_radiology(question):
+    keywords = ['أشعة', 'تحاليل', 'رنين', 'سونار', 'تحليل', 'مختبر', 'معمل']
+    if any(word in question for word in keywords):
+        try:
+            matches = get_close_matches(question, qa_data['السؤال'].tolist(), n=1, cutoff=0.5)
+            if matches:
+                matched_q = matches[0]
+                answer = qa_data[qa_data['السؤال'] == matched_q]['الجواب'].values[0]
+                return answer
+        except Exception as e:
+            print(f"Error in lab/radiology check: {e}")
+    return None
+
+def answer_question_from_excel(user_question, k=3):
+    # First check if it's a medical symptom question
+    for symptom, advice in medical_kb.items():
+        if symptom in user_question or any(word in user_question for word in ["اشعر", "اعاني", "الم", "وجع", "مريض"]):
+            return f"🩺 **الرد:** {advice}\n\n⚠️ **ملاحظة هامة:** هذه النصائح عامة، يرجى استشارة الطبيب للتشخيص الدقيق."
+
+    # Then check in qa_data for lab tests and equipment
+    qa_answer = check_lab_or_radiology(user_question)
+    if qa_answer:
+        return f"💡 **الرد:** {qa_answer}"
+
+    # Define clinic keywords with variations
+    clinic_mapping = {
+        "عيادة الباطنة": ["باطنة", "الباطنة", "باطنه"],
+        "عيادة الجلدية": ["جلد", "جلدية", "الجلدية"],
+        "عيادة المسالك": ["مسالك", "المسالك", "مسالك بولية"],
+        "عيادة النساء": ["نسا", "نساء", "توليد", "ولادة"],
+        "عيادة الأنف والأذن": ["انف", "اذن", "حنجرة", "الأنف", "الأذن"],
+        "عيادة الرمد": ["رمد", "الرمد", "عيون", "العيون"],
+        "عيادة الأسنان": ["اسنان", "الاسنان", "الأسنان", "سنان"],
+        "الحضانة": ["حضان", "حضانة", "الحضانة", "حضانات"],
+        "المعمل": ["معمل", "المعمل", "تحاليل", "مختبر"],
+        "عيادة الأطفال": ["اطفال", "الاطفال", "الأطفال"],
+        "عيادة الجهاز الهضمي": ["هضم", "هضمي", "الجهاز الهضمي"],
+        "عيادة التخاطب": ["تخاطب", "التخاطب", "نطق"]
+    }
+
+    # Check for specific clinic mentions
+    target_clinic = None
+    for clinic, keywords in clinic_mapping.items():
+        if any(keyword in user_question for keyword in keywords):
+            target_clinic = clinic
+            break
+
+    # If a specific clinic is mentioned, show all information for that clinic
+    if target_clinic:
+        clinic_info = [p for p in passages if target_clinic in p]
+        if clinic_info:
+            return f"🏥 **الرد:** \n" + "\n".join(clinic_info)
+
+    # For questions about doctors or clinics
+    if any(word in user_question for word in ["عيادة", "عيادات", "دكتور", "دكاترة", "دكتورة", "مواعيد"]):
+        # Check if asking about a specific type of clinic
+        for clinic_type in ["الأسنان", "الباطنة", "الجلدية", "المسالك", "النساء", "الأنف", "الرمد", "الحضانة", "المعمل", "الأطفال", "الجهاز", "التخاطب"]:
+            if clinic_type in user_question:
+                clinic_info = [p for p in passages if clinic_type in p]
+                if clinic_info:
+                    return f"🏥 **الرد:** \n" + "\n".join(clinic_info)
+        
+        # If no specific clinic type mentioned, return all clinic information
+        return f"💡 **الرد:** \n" + "\n".join([p for p in passages if 'عيادة' in p])
+    
+    # If no specific clinic found, use semantic search if available
+    if embedder and corpus_embeddings is not None:
+        try:
+            question_embedding = embedder.encode(user_question, convert_to_tensor=True)
+            hits = util.semantic_search(question_embedding, corpus_embeddings, top_k=k)
+            matched_passages = [passages[hit['corpus_id']] for hit in hits[0]]
+            
+            if matched_passages:
+                hospital_info = "\n".join(matched_passages)
+                return f"💡 **الرد:** {hospital_info}"
+        except Exception as e:
+            print(f"Error in semantic search: {e}")
+    
+    # If no match found in any source, return a helpful message
+    return f"💡 **الرد:** عذراً، لا يمكنني العثور على إجابة محددة لسؤالك. يرجى استشارة الطبيب للحصول على المشورة الطبية المناسبة."
+
+def answer_question(user_question):
+    try:
+        answer = check_lab_or_radiology(user_question)
+        if answer:
+            return f"💡 **الرد:** {answer}"
+        return answer_question_from_excel(user_question)
+    except Exception as e:
+        return f"⚠️ خطأ: {str(e)}"
+
+def ask_question(question):
+    """
+    Function to handle question answering with error handling
+    """
+    try:
+        if not question or question.strip() == "":
+            return "❌ خطأ: السؤال مطلوب"
+        
+        answer = answer_question(question.strip())
+        return answer
+    except Exception as e:
+        return f"❌ خطأ: {str(e)}"
+
+# Create Gradio interface
+with gr.Blocks(
+    title="نظام الأسئلة والأجوبة الطبي",
+    theme=gr.themes.Soft(),
+    css="""
+    .gradio-container {
+        font-family: 'Arial', sans-serif;
+        direction: rtl;
+        text-align: right;
+    }
+    .gr-button {
+        background: linear-gradient(45deg, #4CAF50, #45a049);
+        color: white;
+        font-weight: bold;
+    }
+    .gr-textbox {
+        text-align: right;
+        direction: rtl;
+    }
+    """
+) as demo:
+    
+    gr.Markdown(
+        """
+        # 🏥 نظام الأسئلة والأجوبة الطبي
+        ### اسأل أي سؤال واحصل على إجابة ذكية!
+        
+        يمكنك ا��سؤال عن:
+        - 🏥 مواعيد العيادات والأطباء
+        - 🧪 التحاليل الطبية والمعمل
+        - 🩺 النصائح الطبية العامة
+        - 📋 أسعار الكشف والخدمات
+        """,
+        elem_id="header"
+    )
+    
+    with gr.Row():
+        with gr.Column(scale=4):
+            question_input = gr.Textbox(
+                label="سؤالك",
+                placeholder="اكتب سؤالك هنا...",
+                lines=3,
+                text_align="right",
+                rtl=True
+            )
+        with gr.Column(scale=1):
+            submit_btn = gr.Button(
+                "اسأل السؤال", 
+                variant="primary",
+                size="lg"
+            )
+    
+    answer_output = gr.Textbox(
+        label="الإجابة",
+        lines=10,
+        interactive=False,
+        text_align="right",
+        rtl=True
+    )
+    
+    # Example questions
+    gr.Examples(
+        examples=[
+            ["ما هي مواعيد عيادة الأسنان؟"],
+            ["هل يوجد تحليل صورة دم؟"],
+            ["علاج الحمى"],
+            ["مين دكاترة الأطفال وميعادهم؟"],
+            ["ما هي تحاليل السكر؟"]
+        ],
+        inputs=question_input,
+        label="أمثلة على الأسئلة"
+    )
+    
+    # Set up the interaction
+    submit_btn.click(
+        fn=ask_question,
+        inputs=question_input,
+        outputs=answer_output
+    )
+    
+    # Also allow Enter key to submit
+    question_input.submit(
+        fn=ask_question,
+        inputs=question_input,
+        outputs=answer_output
+    )
+
+if __name__ == "__main__":
+    print("Starting Hospital Q&A System...")
+    # Launch the Gradio app
+    demo.launch(
+        server_name="0.0.0.0",  # Equivalent to Flask's host='0.0.0.0'
+        server_port=7860,       # Default Gradio port (you can change to 5000 if preferred)
+        share=False,            # Set to True if you want a public link
+        debug=True,
+        show_error=True
+    )