pdac-diagnostic-system/informe_medico.py at main · cesargomarAI/pdac-diagnostic-system · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
from reportlab.lib import colors
from datetime import datetime

def generar_pdf(datos_paciente, probabilidades, idioma="Spanish"):
    # Diccionario de traducciones para el PDF
    texts = {
        "Spanish": {
            "filename": "Informe_IA_PDAC",
            "header": "SISTEMA DE APOYO AL DIAGNÓSTICO PRECOZ (PDAC-v2)",
            "data_title": "DATOS DEL ANÁLISIS:",
            "date": "Fecha del estudio:",
            "age": "Edad:",
            "years": "años",
            "markers_title": "NIVELES DE BIOMARCADORES DETECTADOS:",
            "ai_result": "RESULTADO DE LA IA",
            "high": "RIESGO ALTO",
            "mid": "RIESGO MODERADO",
            "low": "RIESGO BAJO",
            "rec_title": "RECOMENDACIÓN CLÍNICA:",
            "rec_high": "Priorizar estudio por imagen (TAC/RMN) y derivación urgente a Oncología.",
            "rec_mid": "Seguimiento estrecho y repetición de analítica en 90 días.",
            "rec_low": "No se observan patrones de sospecha. Continuar cribado estándar.",
            "note1": "* Este informe es una herramienta de apoyo basada en el estudio Debernardi et al. (2020).",
            "note2": "* No constituye un diagnóstico definitivo. Debe ser validado por un especialista."
        },
        "English": {
            "filename": "AI_Report_PDAC",
            "header": "EARLY DIAGNOSTIC SUPPORT SYSTEM (PDAC-v2)",
            "data_title": "ANALYSIS DATA:",
            "date": "Study date:",
            "age": "Age:",
            "years": "years",
            "markers_title": "DETECTED BIOMARKER LEVELS:",
            "ai_result": "AI ANALYSIS RESULT",
            "high": "HIGH RISK",
            "mid": "MODERATE RISK",
            "low": "LOW RISK",
            "rec_title": "CLINICAL RECOMMENDATION:",
            "rec_high": "Prioritize imaging (CT/MRI) and urgent referral to Oncology.",
            "rec_mid": "Close follow-up and repeat laboratory tests in 90 days.",
            "rec_low": "No suspicious patterns observed. Continue standard screening.",
            "note1": "* This report is a support tool based on the Debernardi et al. (2020) study.",
            "note2": "* It does not constitute a definitive diagnosis. It must be validated by a specialist."
        }
    }

    t = texts[idioma]
    nombre_archivo = f"{t['filename']}_{datetime.now().strftime('%Y%m%d_%H%M%S')}.pdf"

    c = canvas.Canvas(nombre_archivo, pagesize=letter)
    width, height = letter

    # --- Encabezado ---
    c.setFillColor(colors.darkblue)
    c.rect(0, height - 80, width, 80, fill=1)
    c.setFillColor(colors.white)
    c.setFont("Helvetica-Bold", 16) # Bajamos un poco el tamaño para que quepa el inglés
    c.drawString(50, height - 50, t["header"])

    # --- Datos del Paciente ---
    c.setFillColor(colors.black)
    c.setFont("Helvetica-Bold", 12)
    c.drawString(50, height - 120, t["data_title"])
    c.setFont("Helvetica", 11)
    c.drawString(70, height - 140, f"{t['date']} {datetime.now().strftime('%d/%m/%Y %H:%M:%S')}")
    c.drawString(70, height - 155, f"{t['age']} {datos_paciente['age']} {t['years']}")
    c.drawString(70, height - 170, f"Creatinine: {datos_paciente['creatinine']} mg/dl")

    # --- Resultados de Biomarcadores ---
    c.line(50, height - 185, 550, height - 185)
    c.setFont("Helvetica-Bold", 12)
    c.drawString(50, height - 205, t["markers_title"])
    c.setFont("Helvetica", 11)
    c.drawString(70, height - 225, f"LYVE1: {datos_paciente['lyve1']} ng/ml")
    c.drawString(70, height - 240, f"REG1B: {datos_paciente['reg1b']} ng/ml")
    c.drawString(70, height - 255, f"TFF1: {datos_paciente['tff1']} ng/ml")

    # --- Evaluación de la IA ---
    c.setFillColor(colors.lightgrey)
    c.rect(50, height - 380, 500, 100, fill=1)
    c.setFillColor(colors.black)
    c.setFont("Helvetica-Bold", 14)
    c.drawCentredString(width/2, height - 300, t["ai_result"])

    riesgo = probabilidades[2] * 100
    c.setFont("Helvetica-Bold", 18)
    if riesgo > 50:
        c.setFillColor(colors.red)
        texto_riesgo = t["high"]
        rec = t["rec_high"]
    elif riesgo > 20:
        c.setFillColor(colors.orange)
        texto_riesgo = t["mid"]
        rec = t["rec_mid"]
    else:
        c.setFillColor(colors.green)
        texto_riesgo = t["low"]
        rec = t["rec_low"]

    c.drawCentredString(width/2, height - 330, f"{texto_riesgo} ({riesgo:.2f}%)")

    # --- Recomendaciones ---
    c.setFillColor(colors.black)
    c.setFont("Helvetica-Bold", 12)
    c.drawString(50, height - 410, t["rec_title"])
    c.setFont("Helvetica", 11)
    c.drawString(70, height - 430, rec)

    # --- Nota de Rigor Científico ---
    c.setFont("Helvetica-Oblique", 8)
    c.drawString(50, 50, t["note1"])
    c.drawString(50, 40, t["note2"])

    c.save()
    return nombre_archivo