light editon

README.md

@@ -5,7 +5,7 @@ colorFrom: blue
 colorTo: green
 sdk: gradio
 sdk_version: 4.36.1
-app_file: app_fixed.py
+app_file: app.py
 pinned: false
 license: mit
 ---
@@ -14,16 +14,27 @@ license: mit
 
 このアプリケーションは患者情報に基づいて適切な臨床試験を見つけ、AIエージェントが適格性を自動評価するシステムです。
 
+## 機能
+
+- 患者情報入力（年齢、性別、腫瘍タイプ等）
+- 臨床試験データの自動検索
+- AI による適格性評価
+- 結果のフィルタリング・エクスポート
+
 ## 必要な環境変数
 
-Spacesの設定で以下の環境変数を設定してください：
+**Settings → Variables and secrets** で以下を設定してください：
 
-- `GROQ_API_KEY`: GroqのAPIキー
+- `GROQ_API_KEY`: GroqのAPIキー（必須）
 - `OPENAI_API_KEY`: OpenAIのAPIキー（オプション）
 
 ## 使用方法
 
 1. 患者の基本情報（年齢、性別、腫瘍タイプ）を入力
-2. 遺伝子変異情報、測定可能腫瘍の有無を入力
-3. 「Generate Clinical Trials Data」をクリック
-4. 結果をフィルタリング・ダウンロード
+2. 遺伝子変異情報、測定可能腫瘍の有無を選択
+3. 「Generate Sample Data」をクリック
+4. 結果をフィルタリング（Eligible/Ineligible/Unclear）
+
+## 現在のバージョン
+
+これは軽量版です。完全版では実際の臨床試験データベースからリアルタイム検索を行います。

app.py

@@ -66,14 +66,15 @@ def filter_dataframe(df, grade):
 def create_interface():
     missing_vars = check_environment()
     
-    with gr.Blocks(title="臨床試験適格性評価（軽量版）", theme=gr.themes.Soft()) as demo:
-        gr.Markdown("## 臨床試験適格性評価インターフェース（デバッグ版）")
+    with gr.Blocks(title="臨床試験適格性評価", theme=gr.themes.Soft()) as demo:
+        gr.Markdown("## 🏥 臨床試験適格性評価インターフェース")
         
         # 環境変数状態の表示
         if not missing_vars:
             gr.Markdown("✅ **ステータス**: 全ての環境変数が設定されています")
         else:
             gr.Markdown(f"⚠️ **注意**: 環境変数が不足しています: {', '.join(missing_vars)}")
+            gr.Markdown("Settings → Variables and secrets で API キーを設定してください")
         
         gr.Markdown("💡 **使用方法**: 患者情報を入力して「Generate Sample Data」をクリックしてください。")
 
@@ -151,10 +152,4 @@ def create_interface():
 # アプリケーション起動
 if __name__ == "__main__":
     demo = create_interface()
-    demo.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        share=False,
-        debug=True,
-        show_error=True
-    )
+    demo.launch()

app_fixed.py

@@ -1,321 +0,0 @@
-import gradio as gr
-import pandas as pd
-import time
-import traceback
-import os
-from OpenAITools.FetchTools import fetch_clinical_trials
-from langchain_openai import ChatOpenAI
-from langchain_groq import ChatGroq
-from OpenAITools.CrinicalTrialTools import SimpleClinicalTrialAgent, GraderAgent, LLMTranslator, generate_ex_question_English
-
-# 環境変数チェック
-def check_environment():
-    """環境変数をチェックし、不足している場合は警告"""
-    missing_vars = []
-    
-    if not os.getenv("GROQ_API_KEY"):
-        missing_vars.append("GROQ_API_KEY")
-    
-    if not os.getenv("OPENAI_API_KEY"):
-        missing_vars.append("OPENAI_API_KEY")
-    
-    if missing_vars:
-        print(f"⚠️ 環境変数が設定されていません: {', '.join(missing_vars)}")
-        print("一部の機能が制限される可能性があります。")
-    
-    return len(missing_vars) == 0
-
-# 環境変数チェック実行
-env_ok = check_environment()
-
-# モデルとエージェントの安全な初期化
-def safe_init_agents():
-    """エージェントを安全に初期化"""
-    try:
-        groq = ChatGroq(model_name="llama3-70b-8192", temperature=0)
-        translator = LLMTranslator(groq)
-        criteria_agent = SimpleClinicalTrialAgent(groq)
-        grader_agent = GraderAgent(groq)
-        return translator, criteria_agent, grader_agent
-    except Exception as e:
-        print(f"エージェント初期化エラー: {e}")
-        return None, None, None
-
-# エージェント初期化
-translator, CriteriaCheckAgent, grader_agent = safe_init_agents()
-
-# エラーハンドリング付きでエージェント評価を実行する関数
-def evaluate_with_retry(agent, criteria, question, max_retries=3):
-    """エラーハンドリング付きでエージェント評価を実行"""
-    if agent is None:
-        return "評価エラー: エージェントが初期化されていません。API keyを確認してください。"
-    
-    for attempt in range(max_retries):
-        try:
-            return agent.evaluate_eligibility(criteria, question)
-        except Exception as e:
-            if "missing variables" in str(e):
-                # プロンプトテンプレートの変数エラーの場合
-                print(f"プロンプトテンプレートエラー (試行 {attempt + 1}/{max_retries}): {e}")
-                return "評価エラー: プロンプトテンプレートの設定に問題があります"
-            elif "no healthy upstream" in str(e) or "InternalServerError" in str(e):
-                # Groqサーバーエラーの場合
-                print(f"Groqサーバーエラー (試行 {attempt + 1}/{max_retries}): {e}")
-                if attempt < max_retries - 1:
-                    time.sleep(2)  # 2秒待機してリトライ
-                    continue
-                else:
-                    return "評価エラー: サーバーに接続できませんでした"
-            elif "API key" in str(e) or "authentication" in str(e).lower():
-                return "評価エラー: API keyが無効または設定されていません"
-            else:
-                print(f"予期しないエラー (試行 {attempt + 1}/{max_retries}): {e}")
-                if attempt < max_retries - 1:
-                    time.sleep(1)
-                    continue
-                else:
-                    return f"評価エラー: {str(e)}"
-    return "評価エラー: 最大リトライ回数に達しました"
-
-def evaluate_grade_with_retry(agent, judgment, max_retries=3):
-    """エラーハンドリング付きでグレード評価を実行"""
-    if agent is None:
-        return "unclear"
-    
-    for attempt in range(max_retries):
-        try:
-            return agent.evaluate_eligibility(judgment)
-        except Exception as e:
-            if "no healthy upstream" in str(e) or "InternalServerError" in str(e):
-                print(f"Groqサーバーエラー (グレード評価 - 試行 {attempt + 1}/{max_retries}): {e}")
-                if attempt < max_retries - 1:
-                    time.sleep(2)
-                    continue
-                else:
-                    return "unclear"
-            elif "API key" in str(e) or "authentication" in str(e).lower():
-                return "unclear"
-            else:
-                print(f"予期しないエラー (グレード評価 - 試行 {attempt + 1}/{max_retries}): {e}")
-                if attempt < max_retries - 1:
-                    time.sleep(1)
-                    continue
-                else:
-                    return "unclear"
-    return "unclear"
-
-# データフレームを生成する関数
-def generate_dataframe(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
-    try:
-        # 入力検証
-        if not all([age, sex, tumor_type]):
-            return pd.DataFrame(), pd.DataFrame()
-        
-        # 日本語の腫瘍タイプを英語に翻訳
-        try:
-            if translator is not None:
-                TumorName = translator.translate(tumor_type)
-            else:
-                print("翻訳エージェントが利用できません。元の値を使用します。")
-                TumorName = tumor_type
-        except Exception as e:
-            print(f"翻訳エラー: {e}")
-            TumorName = tumor_type  # 翻訳に失敗した場合は元の値を使用
-
-        # 質問文を生成
-        try:
-            ex_question = generate_ex_question_English(age, sex, TumorName, GeneMutation, Meseable, Biopsiable)
-        except Exception as e:
-            print(f"質問生成エラー: {e}")
-            return pd.DataFrame(), pd.DataFrame()
-        
-        # 臨床試験データの取得
-        try:
-            df = fetch_clinical_trials(TumorName)
-            if df.empty:
-                print("臨床試験データが見つかりませんでした")
-                return pd.DataFrame(), pd.DataFrame()
-        except Exception as e:
-            print(f"臨床試験データ取得エラー: {e}")
-            return pd.DataFrame(), pd.DataFrame()
-        
-        df['AgentJudgment'] = None
-        df['AgentGrade'] = None
-        
-        # 臨床試験の適格性の評価
-        NCTIDs = list(df['NCTID'])
-        progress = gr.Progress(track_tqdm=True)
-        
-        for i, nct_id in enumerate(NCTIDs):
-            try:
-                target_criteria = df.loc[df['NCTID'] == nct_id, 'Eligibility Criteria'].values[0]
-                
-                # エラーハンドリング付きで評価実行
-                agent_judgment = evaluate_with_retry(CriteriaCheckAgent, target_criteria, ex_question)
-                agent_grade = evaluate_grade_with_retry(grader_agent, agent_judgment)
-                
-                # データフレームの更新
-                df.loc[df['NCTID'] == nct_id, 'AgentJudgment'] = agent_judgment
-                df.loc[df['NCTID'] == nct_id, 'AgentGrade'] = agent_grade
-                
-            except Exception as e:
-                print(f"NCTID {nct_id} の評価中にエラー: {e}")
-                df.loc[df['NCTID'] == nct_id, 'AgentJudgment'] = f"エラー: {str(e)}"
-                df.loc[df['NCTID'] == nct_id, 'AgentGrade'] = "unclear"
-            
-            progress((i + 1) / len(NCTIDs))
-        
-        # 列を指定した順に並び替え
-        columns_order = ['NCTID', 'AgentGrade', 'Title', 'AgentJudgment', 'Japanes Locations', 
-                         'Primary Completion Date', 'Cancer', 'Summary', 'Eligibility Criteria']
-        
-        # 存在する列のみを選択
-        available_columns = [col for col in columns_order if col in df.columns]
-        df = df[available_columns]
-            
-        return df, df  # フィルタ用と表示用にデータフレームを返す
-        
-    except Exception as e:
-        print(f"データフレーム生成中に予期しないエラー: {e}")
-        traceback.print_exc()
-        return pd.DataFrame(), pd.DataFrame()
-
-# CSVとして保存しダウンロードする関数
-def download_filtered_csv(df):
-    try:
-        if df is None or len(df) == 0:
-            return None
-        file_path = "filtered_data.csv"
-        df.to_csv(file_path, index=False)
-        return file_path
-    except Exception as e:
-        print(f"CSV保存エラー: {e}")
-        return None
-
-# 全体結果をCSVとして保存しダウンロードする関数
-def download_full_csv(df):
-    try:
-        if df is None or len(df) == 0:
-            return None
-        file_path = "full_data.csv"
-        df.to_csv(file_path, index=False)
-        return file_path
-    except Exception as e:
-        print(f"CSV保存エラー: {e}")
-        return None
-
-# Gradioインターフェースの作成
-with gr.Blocks(title="臨床試験適格性評価", theme=gr.themes.Soft()) as demo:
-    gr.Markdown("## 臨床試験適格性評価インターフェース")
-    
-    # 環境変数状態の表示
-    if env_ok:
-        gr.Markdown("✅ **ステータス**: 全ての環境変数が設定されています")
-    else:
-        gr.Markdown("⚠️ **注意**: 一部の環境変数が設定されていません。機能が制限される可能性があります。")
-    
-    gr.Markdown("💡 **使用方法**: 患者情報を入力して「Generate Clinical Trials Data」をクリックしてください。")
-
-    # 各種入力フィールド
-    with gr.Row():
-        with gr.Column():
-            age_input = gr.Textbox(label="Age", placeholder="例: 65", value="")
-            sex_input = gr.Dropdown(choices=["男性", "女性"], label="Sex", value=None)
-            tumor_type_input = gr.Textbox(label="Tumor Type", placeholder="例: gastric cancer", value="")
-        
-        with gr.Column():
-            gene_mutation_input = gr.Textbox(label="Gene Mutation", placeholder="例: HER2", value="")
-            measurable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Measurable Tumor", value=None)
-            biopsiable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Biopsiable Tumor", value=None)
-
-    # データフレーム表示エリア（修正版）
-    dataframe_output = gr.DataFrame(
-        label="Clinical Trials Results",
-        interactive=False,
-        wrap=True
-    )
-    
-    # 内部状態用の非表示コンポーネント
-    original_df_state = gr.State(value=None)
-    filtered_df_state = gr.State(value=None)
-
-    # ボタン類
-    with gr.Row():
-        generate_button = gr.Button("Generate Clinical Trials Data", variant="primary")
-    
-    with gr.Row():
-        yes_button = gr.Button("Show Eligible Trials", variant="secondary")
-        no_button = gr.Button("Show Ineligible Trials", variant="secondary")
-        unclear_button = gr.Button("Show Unclear Trials", variant="secondary")
-    
-    with gr.Row():
-        download_filtered_button = gr.Button("Download Filtered Data")
-        download_full_button = gr.Button("Download Full Data")
-    
-    # ダウンロードファイル
-    download_filtered_output = gr.File(label="Download Filtered Data", visible=False)
-    download_full_output = gr.File(label="Download Full Data", visible=False)
-
-    # イベントハンドリング
-    def update_dataframe_and_state(age, sex, tumor_type, gene_mutation, measurable, biopsiable):
-        """データフレーム生成と状態更新"""
-        df, _ = generate_dataframe(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
-        return df, df, df
-
-    def filter_and_update(original_df, grade):
-        """フィルタリングと表示更新"""
-        if original_df is None or len(original_df) == 0:
-            return original_df, original_df
-        
-        try:
-            df_filtered = original_df[original_df['AgentGrade'] == grade]
-            return df_filtered, df_filtered
-        except Exception as e:
-            print(f"フィルタリングエラー: {e}")
-            return original_df, original_df
-
-    # ボタン動作の設定
-    generate_button.click(
-        fn=update_dataframe_and_state,
-        inputs=[age_input, sex_input, tumor_type_input, gene_mutation_input, measurable_input, biopsiable_input],
-        outputs=[dataframe_output, original_df_state, filtered_df_state]
-    )
-    
-    yes_button.click(
-        fn=lambda df: filter_and_update(df, "yes"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
-    )
-    
-    no_button.click(
-        fn=lambda df: filter_and_update(df, "no"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
-    )
-    
-    unclear_button.click(
-        fn=lambda df: filter_and_update(df, "unclear"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
-    )
-    
-    download_filtered_button.click(
-        fn=download_filtered_csv,
-        inputs=[filtered_df_state],
-        outputs=[download_filtered_output]
-    )
-    
-    download_full_button.click(
-        fn=download_full_csv,
-        inputs=[original_df_state],
-        outputs=[download_full_output]
-    )
-    
-if __name__ == "__main__":
-    demo.launch(
-        server_name="0.0.0.0",
-        server_port=7860,
-        share=False,
-        debug=False,
-        show_error=True
-    )

requirements.txt

@@ -1,42 +1,2 @@
-# Core web framework (安定バージョンに固定)
 gradio==4.36.1
-
-# Data processing
-pandas>=1.5.0
-numpy>=1.21.0
-requests>=2.25.0
-
-# LangChain ecosystem (互換性のあるバージョンに調整)
-langchain==0.2.16
-langchain-community==0.2.16
-langchain-core==0.2.38
-langchain-openai==0.1.23
-langchain-groq==0.1.9
-langchain-text-splitters==0.2.4
-
-# LLM providers
-openai>=1.0.0,<2.0.0
-groq>=0.4.0
-
-# Database utilities
-SQLAlchemy>=2.0.0,<3.0.0
-
-# Pydantic (LangChain互換性のため)
-pydantic>=2.5.0,<3.0.0
-
-# Text processing
-tiktoken>=0.4.0
-
-# Utilities
-tenacity>=8.0.0
-packaging>=23.0.0
-
-# Bio-related libraries (必要に応じて)
-# biopython>=1.83
-# bio>=1.7.1
-# biothings-client>=0.3.1
-# mygene>=3.2.2
-
-# Optional: Advanced LangChain features
-# langchainhub>=0.1.20
-# langgraph>=0.2.30
+pandas==1.5.3