Upload inference.py

inference.py

@@ -0,0 +1,442 @@
+# backend/inference.py
+"""
+ClearDDI — moteur d'inférence
+Charge les artefacts réels du pipeline PolypharmaSafe (XGBoost binaire + multiclasse,
+SHAP, mappings nom -> DrugBank ID -> SMILES) et expose les fonctions utilisées par l'API.
+
+Prototype académique d'aide à la décision — non destiné à un usage clinique réel.
+"""
+
+from __future__ import annotations
+
+import json
+import pickle
+import re
+import difflib
+import warnings
+from pathlib import Path
+from functools import lru_cache
+
+import numpy as np
+import joblib
+import shap
+from rdkit import Chem
+from rdkit.Chem import rdFingerprintGenerator, AllChem, Draw
+
+warnings.filterwarnings("ignore")
+
+# ============ CHEMIN DES ARTEFACTS ============
+# Correction : les artefacts sont dans le dossier parent "artifacts"
+# Le fichier inference.py est dans backend/
+ARTIFACTS_DIR = Path(__file__).resolve().parent.parent / "artifacts"
+
+print(f"📂 Chargement des artefacts depuis : {ARTIFACTS_DIR}")
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Chargement des artefacts (une seule fois, au démarrage du serveur)
+# ──────────────────────────────────────────────────────────────────────────
+
+def _load_artifacts():
+    with open(ARTIFACTS_DIR / "name_to_id.pkl", "rb") as f:
+        name_to_id = pickle.load(f)
+    with open(ARTIFACTS_DIR / "id_to_smiles.pkl", "rb") as f:
+        id_to_smiles = pickle.load(f)
+    with open(ARTIFACTS_DIR / "inference_config.json", encoding="utf-8") as f:
+        config = json.load(f)
+    with open(ARTIFACTS_DIR / "metrics.json", encoding="utf-8") as f:
+        metrics = json.load(f)
+
+    binary_model = joblib.load(ARTIFACTS_DIR / "ddi_binary_model.joblib")
+    multi_model = joblib.load(ARTIFACTS_DIR / "ddi_multiclass_model.joblib")
+    label_encoder = joblib.load(ARTIFACTS_DIR / "ddi_multiclass_label_encoder.joblib")
+
+    print("✅ Artefacts chargés avec succès")
+    print(f"   - Modèle binaire : {type(binary_model).__name__}")
+    print(f"   - Modèle multi : {type(multi_model).__name__}")
+    print(f"   - FP_BITS : {config.get('fp_bits', 2048)}")
+
+    return {
+        "name_to_id": name_to_id,
+        "id_to_smiles": id_to_smiles,
+        "config": config,
+        "metrics": metrics,
+        "binary_model": binary_model,
+        "multi_model": multi_model,
+        "label_encoder": label_encoder,
+    }
+
+
+_A = _load_artifacts()
+NAME_TO_ID: dict[str, str] = _A["name_to_id"]
+ID_TO_SMILES: dict[str, str] = _A["id_to_smiles"]
+CONFIG: dict = _A["config"]
+METRICS: dict = _A["metrics"]
+BINARY_MODEL = _A["binary_model"]
+MULTI_MODEL = _A["multi_model"]
+LABEL_ENCODER = _A["label_encoder"]
+
+FP_RADIUS = CONFIG["fp_radius"]
+FP_BITS = CONFIG["fp_bits"]
+DECISION_THRESHOLD = CONFIG.get("decision_threshold", 0.5)
+
+_MFPGEN = rdFingerprintGenerator.GetMorganGenerator(radius=FP_RADIUS, fpSize=FP_BITS)
+_SHAP_EXPLAINER = shap.TreeExplainer(BINARY_MODEL)
+
+# Liste triée des noms connus, pour la recherche / les suggestions
+_ALL_NAMES_SORTED = sorted(NAME_TO_ID.keys())
+
+# Alias courants (français / noms commerciaux fréquents) vers le nom DrugBank
+_COMMON_ALIASES = {
+    "aspirine": "acetylsalicylic acid",
+    "aspirin": "acetylsalicylic acid",
+    "acide acetylsalicylique": "acetylsalicylic acid",
+    "warfarine": "warfarin",
+    "paracetamol": "acetaminophen",
+    "paracétamol": "acetaminophen",
+    "doliprane": "acetaminophen",
+    "tylenol": "acetaminophen",
+}
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Connaissance métier additionnelle
+# ──────────────────────────────────────────────────────────────────────────
+
+CLINICAL_TYPE_INFO = {
+    "Hémorragique": {
+        "label": "Risque hémorragique",
+        "description": "Effet additif ou synergique sur l'hémostase, augmentant le risque de saignement.",
+        "side_effects": [
+            "Risque hémorragique accru",
+            "Ecchymoses, saignements de nez",
+            "Hémorragie digestive (cas sévères)",
+            "Allongement du temps de coagulation",
+        ],
+    },
+    "Cardiaque": {
+        "label": "Risque cardiaque (rythme)",
+        "description": "Effet potentiel sur la conduction cardiaque ou le rythme (allongement du QTc, arythmies).",
+        "side_effects": [
+            "Allongement de l'intervalle QTc",
+            "Risque de troubles du rythme (tachycardie, bradycardie)",
+            "Palpitations",
+        ],
+    },
+    "Cardiovasculaire": {
+        "label": "Risque cardiovasculaire (tension)",
+        "description": "Interaction affectant la pression artérielle ou la fonction cardiovasculaire globale.",
+        "side_effects": [
+            "Hypotension ou hypertension",
+            "Étourdissements posturaux",
+            "Modification de la fréquence cardiaque",
+        ],
+    },
+    "Rénal": {
+        "label": "Risque rénal",
+        "description": "Effet potentiellement néphrotoxique ou altérant la clairance rénale.",
+        "side_effects": [
+            "Altération de la fonction rénale",
+            "Réduction de l'élimination des toxines",
+            "Risque accru chez l'insuffisant rénal",
+        ],
+    },
+    "Hépatique": {
+        "label": "Risque hépatique",
+        "description": "Effet potentiel sur le métabolisme ou la fonction hépatique.",
+        "side_effects": [
+            "Élévation des enzymes hépatiques",
+            "Risque d'hépatotoxicité",
+        ],
+    },
+    "Métabolique (CYP)": {
+        "label": "Interaction métabolique (CYP450)",
+        "description": "Inhibition ou induction probable d'une enzyme du cytochrome P450, modifiant les concentrations plasmatiques.",
+        "side_effects": [
+            "Augmentation ou diminution de la concentration plasmatique d'un des deux médicaments",
+            "Risque de surdosage relatif ou de sous-dosage",
+            "Effets toxiques liés à l'accumulation",
+        ],
+    },
+    "Excrétion": {
+        "label": "Interaction sur l'excrétion",
+        "description": "Modification probable de la clairance ou de l'élimination d'un des deux médicaments.",
+        "side_effects": [
+            "Variation du taux sérique du médicament",
+            "Risque d'accumulation ou d'élimination accélérée",
+        ],
+    },
+    "Hématologique": {
+        "label": "Risque hématologique",
+        "description": "Effet potentiel sur les cellules sanguines ou le transport de l'oxygène.",
+        "side_effects": [
+            "Risque de méthémoglobinémie",
+            "Anomalies de la numération sanguine",
+        ],
+    },
+    "Sédation/SNC": {
+        "label": "Sédation / dépression du SNC",
+        "description": "Effet dépresseur additif sur le système nerveux central.",
+        "side_effects": [
+            "Somnolence accrue",
+            "Risque de dépression respiratoire (cas sévères)",
+            "Altération de la vigilance",
+        ],
+    },
+    "Efficacité": {
+        "label": "Modification d'efficacité thérapeutique",
+        "description": "Risque de réduction ou de potentialisation de l'effet thérapeutique d'un des deux médicaments.",
+        "side_effects": [
+            "Perte d'efficacité thérapeutique",
+            "Effet thérapeutique exagéré",
+        ],
+    },
+    "Pharmacovigilance (TWOSIDES)": {
+        "label": "Signal de pharmacovigilance",
+        "description": "Association identifiée par signal statistique de pharmacovigilance (base TWOSIDES), sans mécanisme unique établi.",
+        "side_effects": [
+            "Profil d'effets indésirables non spécifique",
+            "Surveillance clinique recommandée",
+        ],
+    },
+    "Autre": {
+        "label": "Mécanisme non catégorisé",
+        "description": "Interaction détectée sans correspondance claire avec les catégories cliniques principales.",
+        "side_effects": [
+            "Mécanisme à investiguer au cas par cas",
+        ],
+    },
+}
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Recherche de médicament par nom
+# ──────────────────────────────────────────────────────────────────────────
+
+def normalize_name(name: str) -> str:
+    return re.sub(r"\s+", " ", name.strip().lower())
+
+
+def find_drug(name: str) -> dict | None:
+    """Cherche un médicament par nom (insensible à la casse). Retourne None si absent."""
+    key = normalize_name(name)
+    drug_id = NAME_TO_ID.get(key)
+    if drug_id is None:
+        alias = _COMMON_ALIASES.get(key)
+        if alias:
+            drug_id = NAME_TO_ID.get(alias)
+            key = alias
+    if drug_id is None:
+        return None
+    return {
+        "query": name,
+        "matched_name": key,
+        "drugbank_id": drug_id,
+        "smiles": ID_TO_SMILES[drug_id],
+    }
+
+
+def suggest_names(name: str, n: int = 5) -> list[str]:
+    """Suggestions de noms proches (utilisées uniquement dans le message d'erreur)."""
+    key = normalize_name(name)
+    matches = difflib.get_close_matches(key, _ALL_NAMES_SORTED, n=n, cutoff=0.6)
+    if not matches:
+        matches = [n2 for n2 in _ALL_NAMES_SORTED if key in n2][:n]
+    return matches
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Featurisation
+# ──────────────────────────────────────────────────────────────────────────
+
+@lru_cache(maxsize=4096)
+def _get_fp(smiles: str) -> np.ndarray:
+    mol = Chem.MolFromSmiles(smiles)
+    if mol is None:
+        raise ValueError(f"SMILES invalide : {smiles}")
+    return _MFPGEN.GetFingerprintAsNumPy(mol).astype(np.int16)
+
+
+def pair_features(smi_a: str, smi_b: str) -> np.ndarray:
+    """Génère les features pour une paire de SMILES.
+    Le modèle attend 4096 features (fusion symétrique : somme + différence absolue)."""
+    fa, fb = _get_fp(smi_a), _get_fp(smi_b)
+    return np.concatenate([fa + fb, np.abs(fa - fb)]).reshape(1, -1) 
+
+
+def bit_to_fragment(smiles: str, bit_idx: int) -> str | None:
+    mol = Chem.MolFromSmiles(str(smiles))
+    if mol is None:
+        return None
+    bit_info: dict = {}
+    AllChem.GetMorganFingerprintAsBitVect(mol, FP_RADIUS, nBits=FP_BITS, bitInfo=bit_info)
+    if bit_idx not in bit_info:
+        return None
+    atom_idx, rad = bit_info[bit_idx][0]
+    env = Chem.FindAtomEnvironmentOfRadiusN(mol, rad, atom_idx)
+    submol = Chem.PathToSubmol(mol, env, atomMap={})
+    frag_smiles = Chem.MolToSmiles(submol)
+    return frag_smiles if frag_smiles else None
+
+
+def molecule_svg(smiles: str, width: int = 280, height: int = 220) -> str:
+    """Génère un SVG 2D de la molécule (pour affichage dans l'interface)."""
+    mol = Chem.MolFromSmiles(smiles)
+    if mol is None:
+        return ""
+    from rdkit.Chem.Draw import rdMolDraw2D
+
+    drawer = rdMolDraw2D.MolDraw2DSVG(width, height)
+    opts = drawer.drawOptions()
+    opts.clearBackground = False
+    rdMolDraw2D.PrepareAndDrawMolecule(drawer, mol)
+    drawer.FinishDrawing()
+    svg = drawer.GetDrawingText()
+    return svg
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Risque & confiance
+# ──────────────────────────────────────────────────────────────────────────
+
+def risk_level(proba: float) -> str:
+    if proba < 0.35:
+        return "faible"
+    elif proba < 0.70:
+        return "modéré"
+    return "élevé"
+
+
+def confidence_score(proba: float) -> float:
+    return float(abs(proba - 0.5) * 2)
+
+
+# ──────────────────────────────────────────────────────────────────────────
+# Pipeline complet : prédiction + explicabilité
+# ──────────────────────────────────────────────────────────────────────────
+
+def analyze_pair(name_a: str, name_b: str, top_k_fragments: int = 6) -> dict:
+    drug_a = find_drug(name_a)
+    if drug_a is None:
+        return {"error": "not_found", "which": "A", "query": name_a,
+                "suggestions": suggest_names(name_a)}
+
+    drug_b = find_drug(name_b)
+    if drug_b is None:
+        return {"error": "not_found", "which": "B", "query": name_b,
+                "suggestions": suggest_names(name_b)}
+
+    smi_a, smi_b = drug_a["smiles"], drug_b["smiles"]
+
+    mol_a, mol_b = Chem.MolFromSmiles(smi_a), Chem.MolFromSmiles(smi_b)
+    if mol_a is None or mol_b is None:
+        return {"error": "invalid_smiles"}
+
+    feat = pair_features(smi_a, smi_b)
+
+    # --- Prédiction binaire ---
+    proba = float(BINARY_MODEL.predict_proba(feat)[0, 1])
+    level = risk_level(proba)
+    confidence = confidence_score(proba)
+    interaction_predicted = proba >= DECISION_THRESHOLD
+
+    # --- Prédiction multiclasse (type clinique) ---
+    multi_probs = MULTI_MODEL.predict_proba(feat)[0]
+    order = np.argsort(multi_probs)[::-1]
+    clinical_ranking = [
+        {"type": LABEL_ENCODER.classes_[i], "probability": float(multi_probs[i])}
+        for i in order
+    ]
+    top_clinical_type = clinical_ranking[0]["type"]
+    clinical_info = CLINICAL_TYPE_INFO.get(top_clinical_type, {
+        "label": top_clinical_type, "description": "", "side_effects": []
+    })
+
+    # --- SHAP : fragments responsables ---
+    shap_values = _SHAP_EXPLAINER.shap_values(feat)[0]
+    top_bits = np.argsort(np.abs(shap_values))[::-1][:top_k_fragments]
+
+    fragments = []
+    for bit in top_bits:
+        local_bit = int(bit % FP_BITS)
+        frag_a = bit_to_fragment(smi_a, local_bit)
+        frag_b = bit_to_fragment(smi_b, local_bit)
+        frag = frag_a or frag_b or None
+        source_drug = "A" if frag_a else ("B" if frag_b else None)
+        fragments.append({
+            "bit": local_bit,
+            "shap_value": float(shap_values[bit]),
+            "direction": "augmente le risque" if shap_values[bit] > 0 else "réduit le risque",
+            "fragment_smiles": frag,
+            "source_drug": source_drug,
+        })
+
+    reasons = build_reasons(fragments, clinical_info, proba)
+
+    return {
+        "error": None,
+        "drug_a": {"name": name_a.strip(), "drugbank_id": drug_a["drugbank_id"], "smiles": smi_a},
+        "drug_b": {"name": name_b.strip(), "drugbank_id": drug_b["drugbank_id"], "smiles": smi_b},
+        "prediction": {
+            "probability": proba,
+            "interaction_predicted": bool(interaction_predicted),
+            "risk_level": level,
+            "confidence": confidence,
+            "decision_threshold": DECISION_THRESHOLD,
+        },
+        "clinical_type": {
+            "top": top_clinical_type,
+            "label": clinical_info["label"],
+            "description": clinical_info["description"],
+            "ranking": clinical_ranking[:5],
+        },
+        "side_effects": clinical_info["side_effects"],
+        "fragments": fragments,
+        "reasons": reasons,
+        "model_metrics": {
+            "cold_start_auc": METRICS.get("cold_start", {}).get("auc"),
+            "warm_start_auc": METRICS.get("warm_start", {}).get("auc"),
+        },
+    }
+
+
+def build_reasons(fragments: list[dict], clinical_info: dict, proba: float) -> list[dict]:
+    reasons = []
+
+    positive_frags = [f for f in fragments if f["shap_value"] > 0 and f["fragment_smiles"]]
+    if positive_frags:
+        reasons.append({
+            "title": "Sous-structures moléculaires partagées",
+            "detail": (
+                f"{len(positive_frags)} fragment(s) commun(s) ou similaires identifiés par SHAP "
+                f"contribuent positivement au score de risque."
+            ),
+        })
+
+    if clinical_info.get("description"):
+        reasons.append({
+            "title": clinical_info["label"],
+            "detail": clinical_info["description"],
+        })
+
+    if proba >= 0.70:
+        reasons.append({
+            "title": "Score de probabilité élevé",
+            "detail": "La probabilité prédite dépasse largement le seuil de décision.",
+        })
+    elif proba < 0.35:
+        reasons.append({
+            "title": "Score de probabilité faible",
+            "detail": "Le modèle ne détecte pas de similarité significative avec des paires d'interaction connues.",
+        })
+
+    return reasons
+
+
+def list_sample_names(n: int = 12) -> list[str]:
+    preferred = [
+        "acetylsalicylic acid", "warfarin", "simvastatin", "clarithromycin",
+        "furosemide", "digoxin", "fluoxetine", "omeprazole",
+    ]
+    found = [p for p in preferred if p in NAME_TO_ID]
+    return found[:n]