app.py

import gradio as gr
import os
from utils import (
    process_image,
    extract_dicom_metadata,
    format_report,
    setup_analysis,
    analyze_with_model
)
from prompts import generate_prompt

# Configuração do tema personalizado
custom_theme = gr.themes.Soft(
    primary_hue="teal",
    secondary_hue="blue",
    font=[gr.themes.GoogleFont("Roboto"), "sans-serif"],
    neutral_hue="zinc"
)

# Configuração do CSS personalizado
custom_css = """
.container {
    max-width: 1400px;
    margin: 0 auto;
}

.header {
    text-align: center;
    margin-bottom: 2rem;
    padding: 2rem;
    background: linear-gradient(135deg, #00796b, #0288d1);
    color: white;
    border-radius: 10px;
    box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
}

.header h1 {
    font-size: 2.5rem;
    margin-bottom: 0.5rem;
    text-shadow: 1px 1px 2px rgba(0, 0, 0, 0.1);
}

.header p {
    font-size: 1.2rem;
    opacity: 0.95;
}

.report-container {
    background: white;
    padding: 25px;
    border-radius: 15px;
    box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
    margin: 20px 0;
    border: 1px solid #e2e8f0;
}

.report-section {
    margin: 20px 0;
    padding: 15px;
    border-left: 4px solid #00796b;
    background: #f0f7f6;
    border-radius: 0 10px 10px 0;
}

.report-section h3 {
    color: #00695c;
    margin-bottom: 12px;
    font-size: 1.2rem;
    font-weight: 600;
}

.input-section {
    background: #ffffff;
    padding: 20px;
    border-radius: 10px;
    margin-bottom: 15px;
    border: 1px solid #e2e8f0;
    box-shadow: 0 2px 4px rgba(0, 0, 0, 0.05);
}

.image-gallery {
    display: grid;
    grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
    gap: 1rem;
    margin: 1rem 0;
    padding: 15px;
    background: #f8fafb;
    border-radius: 10px;
}

.comparison-section {
    background: #e8f5e9;
    padding: 20px;
    border-radius: 10px;
    margin: 15px 0;
    border: 1px dashed #00796b;
}

.button-primary {
    background: linear-gradient(135deg, #00796b, #00897b) !important;
    border: none !important;
    color: white !important;
    padding: 12px 24px !important;
    font-size: 1.1rem !important;
    transition: all 0.3s ease !important;
    box-shadow: 0 2px 4px rgba(0, 0, 0, 0.1) !important;
}

.button-primary:hover {
    transform: translateY(-2px) !important;
    box-shadow: 0 4px 8px rgba(0, 0, 0, 0.15) !important;
    background: linear-gradient(135deg, #00897b, #00796b) !important;
}

.footer {
    text-align: center;
    margin-top: 2rem;
    padding: 1.5rem;
    color: #4a5568;
    font-size: 0.9rem;
    border-top: 1px solid #e2e8f0;
}

.metadata-box {
    background: #f8fafb;
    border: 1px solid #e2e8f0;
    border-radius: 10px;
    padding: 15px;
    box-shadow: 0 2px 4px rgba(0, 0, 0, 0.05);
}

.tabs-container {
    margin: 20px 0;
}

.patient-info {
    background: #ffffff;
    padding: 20px;
    border-radius: 10px;
    margin-bottom: 15px;
    border: 1px solid #e2e8f0;
    box-shadow: 0 2px 4px rgba(0, 0, 0, 0.05);
}

/* Additional styling for better visual hierarchy */
.gr-form {
    border: none !important;
    background: transparent !important;
}

.gr-input {
    border: 1px solid #e2e8f0 !important;
    border-radius: 8px !important;
    transition: all 0.3s ease !important;
}

.gr-input:focus {
    border-color: #00796b !important;
    box-shadow: 0 0 0 2px rgba(0, 121, 107, 0.1) !important;
}

.gr-radio {
    accent-color: #00796b !important;
}

.gr-button-secondary {
    border: 1px solid #00796b !important;
    color: #00796b !important;
}

.gr-accordion {
    border: 1px solid #e2e8f0 !important;
    border-radius: 10px !important;
    margin-bottom: 15px !important;
}

.gr-accordion-title {
    color: #00695c !important;
}
"""

def analyze_images(
    current_images,
    region_type,
    clinical_history,
    previous_images=None,
    patient_id=None,
    patient_age=None,
    patient_gender=None
):
    """Analisa múltiplas imagens com suporte a comparação."""
    try:
        results = []
        metadata_list = []
        
        # Processar informações do paciente
        patient_info = {
            'id': patient_id or 'Não informado',
            'age': patient_age or 'Não informado',
            'gender': patient_gender or 'Não informado'
        }
        
        # Processar imagens atuais
        for img in current_images:
            image = process_image(img)
            metadata = {}
            if img.name.lower().endswith('.dcm'):
                metadata = extract_dicom_metadata(img.name)
            
            # Gerar prompt considerando imagens anteriores
            prompt = generate_prompt(
                clinical_history=clinical_history,
                image_type=region_type,
                previous_exam=previous_images is not None
            )
            
            # Análise
            model = setup_analysis()
            result = analyze_with_model(model, image, prompt)
            
            analysis_result = {
                'qualidade_imagem': 'Imagem de boa qualidade, com adequada inspiração e penetração.',
                'regiao_anatomica': 'Tórax' if region_type == 'thorax' else 'Abdômen',
                'achados': result,
                'impressao': 'Análise realizada com sucesso.'
            }
            
            if previous_images:
                analysis_result['comparacao'] = 'Análise comparativa realizada com exames anteriores.'
            
            results.append(format_report(analysis_result))
            metadata_list.append(metadata)
        
        return results, metadata_list, patient_info
        
    except Exception as e:
        return [f"Erro durante análise: {str(e)}"], [], {}

# Interface Gradio
with gr.Blocks(theme=custom_theme, css=custom_css) as app:
    with gr.Column(elem_classes="container"):
        # Header
        with gr.Column(elem_classes="header"):
            gr.Markdown("# Sistema Inteligente de Análise Radiológica")
            gr.Markdown("### Desenvolvido por Dr. Paulo Roberto Maciel")
            gr.Markdown("*Tecnologia avançada para diagnóstico preciso*")
        
        with gr.Tabs(elem_classes="tabs-container"):
            # Aba de Análise
            with gr.TabItem("📋 Nova Análise"):
                with gr.Row():
                    # Coluna de Entrada
                    with gr.Column(scale=1):
                        with gr.Column(elem_classes="input-section"):
                            # Informações do Paciente (Opcional)
                            with gr.Column(elem_classes="patient-info"):
                                gr.Markdown("### 👤 Informações do Paciente (Opcional)")
                                patient_id = gr.Textbox(
                                    label="ID do Paciente",
                                    placeholder="Digite o identificador do paciente..."
                                )
                                patient_age = gr.Number(
                                    label="Idade do Paciente",
                                    minimum=0,
                                    maximum=150,
                                    step=1
                                )
                                patient_gender = gr.Radio(
                                    choices=["Masculino", "Feminino", "Outro"],
                                    label="Gênero do Paciente",
                                    value=None
                                )
                            
                            gr.Markdown("### 🖼️ Imagens Atuais")
                            current_images = gr.File(
                                label="Upload das Imagens",
                                file_types=[".dcm", ".jpg", ".jpeg", ".png"],
                                file_count="multiple",
                                elem_classes="file-input"
                            )
                            
                            region_type = gr.Radio(
                                choices=[("thorax", "Tórax"), ("abdomen", "Abdômen")],
                                label="Região Anatômica",
                                value="thorax"
                            )
                            
                            with gr.Accordion("📝 Histórico Clínico (Opcional)", open=False):
                                clinical_history = gr.Textbox(
                                    label="Histórico do Paciente",
                                    placeholder="Descreva o histórico clínico do paciente...",
                                    lines=4
                                )
                            
                            with gr.Accordion("🔄 Comparação com Exames Anteriores", open=False):
                                previous_images = gr.File(
                                    label="Upload de Imagens Anteriores",
                                    file_types=[".dcm", ".jpg", ".jpeg", ".png"],
                                    file_count="multiple",
                                    elem_classes="file-input"
                                )
                            
                            analyze_btn = gr.Button(
                                "✨ Realizar Análise",
                                variant="primary",
                                elem_classes="button-primary"
                            )
                    
                    # Coluna de Resultados
                    with gr.Column(scale=2):
                        with gr.Tabs():
                            with gr.TabItem("📊 Resultados"):
                                with gr.Row():
                                    image_gallery = gr.Gallery(
                                        label="Imagens Analisadas",
                                        elem_classes="image-gallery"
                                    )
                                with gr.Row():
                                    report_output = gr.HTML(
                                        label="Laudos Médicos",
                                        elem_classes="report-output"
                                    )
                            
                            with gr.TabItem("ℹ️ Metadados"):
                                patient_info_output = gr.JSON(
                                    label="Informações do Paciente",
                                    elem_classes="metadata-box"
                                )
                                metadata_output = gr.JSON(
                                    label="Metadados dos Exames",
                                    elem_classes="metadata-box"
                                )
            
            # Aba de Histórico
            with gr.TabItem("📚 Histórico de Análises"):
                gr.Markdown("### Histórico de Análises Anteriores")
                # TODO: Implementar visualização do histórico
        
        # Instruções
        with gr.Accordion("❓ Instruções de Uso", open=False):
            gr.Markdown("""
            ### Como Utilizar o Sistema
            1. 👤 Opcionalmente, preencha as informações do paciente
            2. 📤 Faça upload das imagens radiológicas (DICOM, JPG ou PNG)
            3. 🔍 Selecione a região anatômica correspondente
            4. 📝 Se desejar, adicione o histórico clínico do paciente
            5. 🔄 Para comparação, faça upload de exames anteriores
            6. ✨ Clique em "Realizar Análise"
            
            O sistema processará todas as imagens e gerará laudos detalhados automaticamente.
            """)
        
        # Footer
        with gr.Column(elem_classes="footer"):
            gr.Markdown("© 2024 Dr. Paulo Roberto Maciel - Todos os direitos reservados")
            gr.Markdown("Sistema desenvolvido para auxiliar profissionais de saúde no diagnóstico radiológico")
    
    # Eventos
    current_images.change(
        lambda x: x,
        inputs=[current_images],
        outputs=[image_gallery]
    )
    
    analyze_btn.click(
        analyze_images,
        inputs=[
            current_images,
            region_type,
            clinical_history,
            previous_images,
            patient_id,
            patient_age,
            patient_gender
        ],
        outputs=[
            report_output,
            metadata_output,
            patient_info_output
        ]
    )

if __name__ == "__main__":
    app.launch()