stage3

OpenAITools/__init__.py

@@ -0,0 +1,29 @@
+# OpenAITools package
+# 臨床試験適格性評価システム用のAIツール群
+
+__version__ = "1.0.0"
+__author__ = "ClinicalTrialV2 Team"
+
+# 主要クラスのインポート
+try:
+    from .FetchTools import fetch_clinical_trials, fetch_clinical_trials_jp
+    from .CrinicalTrialTools import (
+        SimpleClinicalTrialAgent, 
+        GraderAgent, 
+        LLMTranslator, 
+        generate_ex_question_English,
+        generate_ex_question
+    )
+    print("✅ OpenAITools モジュールが正常にロードされました")
+except ImportError as e:
+    print(f"⚠️ OpenAITools モジュールの一部でインポートエラー: {e}")
+
+__all__ = [
+    'fetch_clinical_trials',
+    'fetch_clinical_trials_jp',
+    'SimpleClinicalTrialAgent',
+    'GraderAgent', 
+    'LLMTranslator',
+    'generate_ex_question_English',
+    'generate_ex_question'
+]

README.md

@@ -10,31 +10,97 @@ pinned: false
 license: mit
 ---
 
-# 臨床試験適格性評価システム
+# 🏥 臨床試験適格性評価システム（完全版）
 
 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
+## ✨ 主要機能
 
-- 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
+### 🔍 リアルタイム臨床試験検索
+- **ClinicalTrials.gov API**: 日本で実施中の最新臨床試験を自動検索
+- **多言語対応**: 日本語入力 → 英語検索 → 日本語結果
+- **条件絞り込み**: 腫瘍タイプ、募集状況、実施地域での自動フィルタリング
 
-## 必要な環境変数
+### 🤖 AI適格性評価システム
+- **LangChain + Groq**: 高速で正確な自然言語処理
+- **3段階評価**: Yes（適格）/ No（不適格）/ Unclear（要検討）
+- **詳細判断理由**: AI が各試験への適格性を詳細に説明
 
-**Settings → Variables and secrets** で以下を設定してください：
+### 💾 データ管理機能
+- **インタラクティブフィルタリング**: 適格性レベルでの結果絞り込み
+- **CSV エクスポート**: フィルタ済み/全データのダウンロード
+- **リアルタイム更新**: 最新の臨床試験情報を常時取得
 
-- `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
 
-## 使用方法
+### 1. 環境設定
+**Settings → Variables and secrets** で以下のAPIキーを設定：
 
-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）
+```
+GROQ_API_KEY: あなたのGroq APIキー（必須）
+OPENAI_API_KEY: あなたのOpenAI APIキー（オプション）
+```
 
-## 現在のバージョン
+### 2. 患者情報入力
+- **基本情報**: 年齢、性別、腫瘍タイプ
+- **詳細情報**: 遺伝子変異、測定可能腫瘍、生検可能性
 
-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。
+### 3. 検索・評価実行
+- 「🔍 Generate Clinical Trials Data (Real API)」をクリック
+- AIが自動的に適格性を評価
+
+### 4. 結果の活用
+- **フィルタリング**: ✅適格 / ❌不適格 / ❓要検討 別に表示
+- **詳細確認**: 各試験の判断理由を確認
+- **データ保存**: 必要に応じてCSVでダウンロード
+
+## 🛠️ 技術スタック
+
+### フロントエンド
+- **Gradio 4.36.1**: 直感的なWebインターフェース
+- **Pandas**: データ処理・表示
+
+### AI/機械学習
+- **LangChain**: AIエージェント構築フレームワーク
+- **Groq API**: 高速LLM推論（Llama3-70B）
+- **OpenAI API**: 補完的なLLM機能（オプション）
+
+### データソース
+- **ClinicalTrials.gov API**: 国際的な臨床試験データベース
+- **リアルタイム検索**: 最新の募集状況を反映
+
+## 📊 システム動作モード
+
+### ✅ 完全版モード（API連携有効）
+- 環境変数が正しく設定されている場合
+- 実際のClinicalTrials.govからリアルタイムデータ取得
+- AI による適格性自動評価
+
+### ⚠️ 制限モード（API制限あり）
+- 一部の環境変数が未設定の場合
+- 基本的な検索機能のみ利用可能
+
+### 🔧 軽量版モード（サンプルデータ）
+- 依存関係エラーが発生した場合
+- サンプルデータでの機能デモンストレーション
+
+## 🔐 プライバシー・セキュリティ
+
+- **患者情報**: ローカル処理のみ、サーバーに保存されません
+- **API通信**: HTTPS暗号化通信
+- **データ匿名化**: 個人識別情報は使用されません
+
+## 📝 ライセンス
+
+MIT License - 学術・商用利用可能
+
+## 🙋‍♂️ サポート
+
+問題が発生した場合：
+1. **ログ確認**: Spaces の Logs タブでエラー詳細を確認
+2. **環境変数**: API キーが正しく設定されているか確認
+3. **リフレッシュ**: ページを再読み込みしてリトライ
+
+---
+
+*このシステムは研究・教育目的で開発されています。実際の臨床決定には専門医にご相談ください。*

app.py

@@ -1,6 +1,22 @@
 import gradio as gr
+import pandas as pd
+import time
+import traceback
 import os
 
+# 完全版のimportエラー対策
+try:
+    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
+    FULL_VERSION = True
+    print("✅ 完全版モジュールが正常にロードされました")
+except ImportError as e:
+    print(f"⚠️ 完全版モジュールのインポートに失敗: {e}")
+    print("軽量版モードで動作します")
+    FULL_VERSION = False
+
 # 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"""
@@ -12,220 +28,393 @@ def check_environment():
     if not os.getenv("OPENAI_API_KEY"):
         missing_vars.append("OPENAI_API_KEY")
     
-    return missing_vars
+    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
 
-# サンプルデータ生成（辞書のリスト形式）
-def generate_sample_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable):
-    """サンプルデータを生成（pandas無し版）"""
+# 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"""
+    if not FULL_VERSION:
+        return None, None, None
+        
+    try:
+        groq = ChatGroq(model_name="llama3-70b-8192", temperature=0)
+        translator = LLMTranslator(groq)
+        criteria_agent = SimpleClinicalTrialAgent(groq)
+        grader_agent = GraderAgent(groq)
+        print("✅ AIエージェントが正常に初期化されました")
+        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):
+                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):
+                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)
+                    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"
+
+# 軽量版データ生成関数
+def generate_sample_dataframe(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
+    """サンプルデータを生成（軽量版）"""
+    try:
+        if not all([age, sex, tumor_type]):
+            return pd.DataFrame()
+        
+        sample_data = {
+            'NCTID': ['NCT12345678', 'NCT87654321', 'NCT11111111'],
+            'AgentGrade': ['yes', 'no', 'unclear'],
+            'Title': [
+                f'Clinical Trial for {tumor_type} in {sex} patients',
+                f'Alternative treatment for {tumor_type}',
+                f'Experimental therapy for {tumor_type} with {GeneMutation}'
+            ],
+            'AgentJudgment': [
+                f'{age}歳{sex}の{tumor_type}患者は参加可能です。詳細な検査結果により最終判断が必要です。',
+                f'{age}歳{sex}の{tumor_type}患者は年齢制限により参加できません。',
+                f'{age}歳{sex}の{tumor_type}患者の参加は追加情報が必要で不明確です。'
+            ],
+            'Japanes Locations': ['Tokyo, Osaka', 'Kyoto, Fukuoka', 'Nagoya, Sendai'],
+            'Primary Completion Date': ['2025-12-31', '2026-06-30', '2025-09-15'],
+            'Cancer': [tumor_type, tumor_type, tumor_type],
+            'Summary': [
+                f'Phase II study evaluating new treatment for {tumor_type}',
+                f'Comparative study of standard vs experimental therapy for {tumor_type}',
+                f'Early phase trial testing combination therapy for {tumor_type}'
+            ],
+            'Eligibility Criteria': [
+                f'Age 18-75, confirmed {tumor_type}, adequate organ function',
+                f'Age 20-65, {tumor_type} with specific mutations, ECOG 0-1',
+                f'Age 18-80, advanced {tumor_type}, previous treatment failure'
+            ]
+        }
+        
+        return pd.DataFrame(sample_data)
+        
+    except Exception as e:
+        print(f"サンプルデータ生成エラー: {e}")
+        return pd.DataFrame()
+
+# 完全版データ生成関数
+def generate_full_dataframe(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
+    """完全版のデータ生成（実際のAPI使用）"""
     try:
         # 入力検証
         if not all([age, sex, tumor_type]):
-            return []
+            return 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)
+                print(f"腫瘍タイプ翻訳: {tumor_type} → {TumorName}")
+            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
+
+        # 質問文を生成
+        try:
+            ex_question = generate_ex_question_English(age, sex, TumorName, GeneMutation, Meseable, Biopsiable)
+            print(f"生成された質問: {ex_question}")
+        except Exception as e:
+            print(f"質問生成エラー: {e}")
+            return pd.DataFrame()
+        
+        # 臨床試験データの取得
+        try:
+            print(f"臨床試験データを検索中: {TumorName}")
+            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()
+            print(f"取得した臨床試験数: {len(df)}")
+        except Exception as e:
+            print(f"臨床試験データ取得エラー: {e}")
+            return pd.DataFrame()
+        
+        df['AgentJudgment'] = None
+        df['AgentGrade'] = None
+        
+        # 臨床試験の適格性の評価
+        NCTIDs = list(df['NCTID'])
+        
+        for i, nct_id in enumerate(NCTIDs):
+            try:
+                print(f"評価中 ({i+1}/{len(NCTIDs)}): {nct_id}")
+                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"
+        
+        # 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']
         
-        # サンプルデータの作成
-        sample_data = [
-            {
-                'NCTID': 'NCT12345678',
-                'AgentGrade': 'yes',
-                'Title': f'Clinical Trial for {tumor_type} in {sex} patients',
-                'AgentJudgment': f'{age}歳{sex}の{tumor_type}患者は参加可能です',
-                'Japanese_Locations': 'Tokyo',
-                'Cancer': tumor_type,
-                'Gene_Mutation': gene_mutation,
-                'Measurable': measurable,
-                'Biopsiable': biopsiable
-            },
-            {
-                'NCTID': 'NCT87654321',
-                'AgentGrade': 'no',
-                'Title': f'Alternative treatment for {tumor_type}',
-                'AgentJudgment': f'{age}歳{sex}の{tumor_type}患者は参加できません',
-                'Japanese_Locations': 'Osaka',
-                'Cancer': tumor_type,
-                'Gene_Mutation': gene_mutation,
-                'Measurable': measurable,
-                'Biopsiable': biopsiable
-            },
-            {
-                'NCTID': 'NCT11111111',
-                'AgentGrade': 'unclear',
-                'Title': f'Experimental therapy for {tumor_type} with {gene_mutation}',
-                'AgentJudgment': f'{age}歳{sex}の{tumor_type}患者の参加は不明確です',
-                'Japanese_Locations': 'Kyoto',
-                'Cancer': tumor_type,
-                'Gene_Mutation': gene_mutation,
-                'Measurable': measurable,
-                'Biopsiable': biopsiable
-            }
-        ]
+        # 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 sample_data
+        print(f"評価完了。結果: {len(df)} 件")
+        return df
         
     except Exception as e:
-        print(f"データ生成エラー: {e}")
-        return []
+        print(f"完全版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()
 
-# フィルタリング関数
-def filter_data(data, grade):
-    """データをフィルタリング"""
-    if not data:
-        return data
-    
+# 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
+
+def download_full_csv(df):
     try:
-        if grade == "all":
-            return data
-        return [item for item in data if item.get('AgentGrade') == grade]
+        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"フィルタリングエラー: {e}")
-        return data
-
-# データを表形式に変換
-def data_to_table(data):
-    """データを表形式に変換"""
-    if not data:
-        return []
-    
-    # ヘッダー行
-    headers = ['NCTID', 'Grade', 'Title', 'Judgment', 'Location', 'Cancer']
-    
-    # データ行
-    rows = []
-    for item in data:
-        row = [
-            item.get('NCTID', ''),
-            item.get('AgentGrade', ''),
-            item.get('Title', ''),
-            item.get('AgentJudgment', ''),
-            item.get('Japanese_Locations', ''),
-            item.get('Cancer', '')
-        ]
-        rows.append(row)
-    
-    return [headers] + rows
+        print(f"CSV保存エラー: {e}")
+        return None
 
 # Gradioインターフェースの作成
-def create_interface():
-    missing_vars = check_environment()
+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")
     
-    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（軽量版）")
+    # バージョン情報と状態表示
+    if FULL_VERSION and env_ok:
+        gr.Markdown("✅ **モード**: 完全版（API連携有効）")
+    elif FULL_VERSION and not env_ok:
+        gr.Markdown("⚠️ **モード**: 完全版（API制限あり）")
+    else:
+        gr.Markdown("🔧 **モード**: 軽量版（サンプルデータ）")
+    
+    # 環境変数状態の表示
+    if env_ok:
+        gr.Markdown("✅ **API Status**: 全ての環境変数が設定されています")
+    else:
+        gr.Markdown("⚠️ **API Status**: 環境変数が不足しています。Settings → Variables and secrets で設定してください")
+    
+    gr.Markdown("💡 **使用方法**: 患者情報を入力してボタンをクリックしてください。完全版では実際のClinicalTrials.govからリアルタイムでデータを取得し、AIが適格性を評価します。")
+
+    # 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="65")
+            sex_input = gr.Dropdown(choices=["男性", "女性"], label="Sex", value="男性")
+            tumor_type_input = gr.Textbox(label="Tumor Type", placeholder="例: gastric cancer", value="gastric cancer")
         
-        # 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")
+        with gr.Column():
+            gene_mutation_input = gr.Textbox(label="Gene Mutation", placeholder="例: HER2", value="HER2")
+            measurable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Measurable Tumor", value="有り")
+            biopsiable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Biopsiable Tumor", value="有り")
+
+    # データフレーム表示エリア
+    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():
+        if FULL_VERSION and env_ok:
+            generate_button = gr.Button("🔍 Generate Clinical Trials Data (Real API)", variant="primary")
         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。")
-
-        # 入力フィールド
-        with gr.Row():
-            with gr.Column():
-                age_input = gr.Textbox(label="Age", placeholder="例: 65", value="65")
-                sex_input = gr.Dropdown(choices=["男性", "女性"], label="Sex", value="男性")
-                tumor_type_input = gr.Textbox(label="Tumor Type", placeholder="例: gastric cancer", value="gastric cancer")
-            
-            with gr.Column():
-                gene_mutation_input = gr.Textbox(label="Gene Mutation", placeholder="例: HER2", value="HER2")
-                measurable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Measurable Tumor", value="有り")
-                biopsiable_input = gr.Dropdown(choices=["有り", "無し", "不明"], label="Biopsiable Tumor", value="有り")
+            generate_button = gr.Button("📋 Generate Sample 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")
+        all_button = gr.Button("📊 Show All 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)
 
-        # 結果表示用のHTMLエリア
-        results_html = gr.HTML(label="Clinical Trials Results")
-        
-        # フィルタボタン
-        with gr.Row():
-            generate_button = gr.Button("Generate Sample Data", variant="primary")
-            all_button = gr.Button("Show All", variant="secondary")
-            yes_button = gr.Button("Show Eligible", variant="secondary")
-            no_button = gr.Button("Show Ineligible", variant="secondary")
-            unclear_button = gr.Button("Show Unclear", variant="secondary")
-
-        # 状態管理
-        data_state = gr.State(value=[])
-
-        # 結果をHTMLテーブルに変換
-        def create_html_table(data):
-            if not data:
-                return "<p>データがありません</p>"
-            
-            html = "<table style='width:100%; border-collapse: collapse;'>"
-            html += "<tr style='background-color: #f0f0f0;'>"
-            html += "<th style='border: 1px solid #ddd; padding: 8px;'>NCTID</th>"
-            html += "<th style='border: 1px solid #ddd; padding: 8px;'>Grade</th>"
-            html += "<th style='border: 1px solid #ddd; padding: 8px;'>Title</th>"
-            html += "<th style='border: 1px solid #ddd; padding: 8px;'>Judgment</th>"
-            html += "<th style='border: 1px solid #ddd; padding: 8px;'>Location</th>"
-            html += "</tr>"
+    # プログレス表示
+    progress_text = gr.Textbox(label="Processing Status", value="Ready", interactive=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"""
+        try:
+            if FULL_VERSION and env_ok:
+                progress_text.value = "🔍 実際の臨床試験データを検索中..."
+                df = generate_full_dataframe(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
+            else:
+                progress_text.value = "📋 サンプルデータを生成中..."
+                df = generate_sample_dataframe(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
             
-            for item in data:
-                grade_color = {
-                    'yes': '#d4edda',
-                    'no': '#f8d7da',
-                    'unclear': '#fff3cd'
-                }.get(item.get('AgentGrade', ''), '#ffffff')
+            if len(df) > 0:
+                progress_text.value = f"✅ 完了: {len(df)} 件の臨床試験が見つかりました"
+            else:
+                progress_text.value = "⚠️ 該当する臨床試験が見つかりませんでした"
                 
-                html += f"<tr style='background-color: {grade_color};'>"
-                html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{item.get('NCTID', '')}</td>"
-                html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{item.get('AgentGrade', '')}</td>"
-                html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{item.get('Title', '')}</td>"
-                html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{item.get('AgentJudgment', '')}</td>"
-                html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{item.get('Japanese_Locations', '')}</td>"
-                html += "</tr>"
-            
-            html += "</table>"
-            return html
-
-        # イベントハンドリング
-        def update_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable):
-            data = generate_sample_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
-            html_table = create_html_table(data)
-            return html_table, data
-
-        def filter_and_show(data, grade):
-            filtered_data = filter_data(data, grade)
-            html_table = create_html_table(filtered_data)
-            return html_table
-
-        # ボタンイベント
-        generate_button.click(
-            fn=update_data,
-            inputs=[age_input, sex_input, tumor_type_input, gene_mutation_input, measurable_input, biopsiable_input],
-            outputs=[results_html, data_state]
-        )
-        
-        all_button.click(
-            fn=lambda data: filter_and_show(data, "all"),
-            inputs=[data_state],
-            outputs=[results_html]
-        )
-        
-        yes_button.click(
-            fn=lambda data: filter_and_show(data, "yes"),
-            inputs=[data_state],
-            outputs=[results_html]
-        )
-        
-        no_button.click(
-            fn=lambda data: filter_and_show(data, "no"),
-            inputs=[data_state],
-            outputs=[results_html]
-        )
+            return df, df, df, progress_text.value
+        except Exception as e:
+            error_msg = f"❌ エラー: {str(e)}"
+            print(f"データフレーム更新エラー: {e}")
+            return pd.DataFrame(), pd.DataFrame(), pd.DataFrame(), error_msg
+
+    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
         
-        unclear_button.click(
-            fn=lambda data: filter_and_show(data, "unclear"),
-            inputs=[data_state],
-            outputs=[results_html]
-        )
+        try:
+            if grade == "all":
+                df_filtered = original_df
+            else:
+                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
 
-        # フッター情報
-        gr.Markdown("---")
-        gr.Markdown("🔬 **技術情報**: これは軽量版です。完全版では実際のClinicalTrials.gov APIから臨床試験データを取得し、AIエージェントが適格性を自動評価します。")
+    # 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, progress_text]
+    )
+    
+    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]
+    )
+    
+    all_button.click(
+        fn=lambda df: filter_and_update(df, "all"),
+        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]
+    )
 
-    return demo
+    # フッター情報
+    gr.Markdown("---")
+    gr.Markdown("🔬 **技術情報**: このシステムはClinicalTrials.gov API、LangChain、およびGroq/OpenAI APIを使用しています。")
 
-# アプリケーション起動
 if __name__ == "__main__":
-    demo = create_interface()
-    demo.launch()
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=7860,
+        share=False,
+        debug=False,
+        show_error=True
+    )

requirements.txt

@@ -1,5 +1,30 @@
-gradio==4.36.1
-# requirements.txt を以下に変更
+# Stage 3: 完全版 requirements.txt
 gradio==4.36.1
 numpy==1.21.6
-pandas==1.3.5
+pandas==1.3.5
+requests==2.31.0
+
+# LangChain ecosystem
+langchain==0.1.20
+langchain-community==0.0.38
+langchain-core==0.1.52
+langchain-openai==0.1.7
+langchain-groq==0.1.5
+langchain-text-splitters==0.0.1
+
+# LLM providers
+openai==1.12.0
+groq==0.4.2
+
+# Database utilities
+SQLAlchemy==2.0.23
+
+# Pydantic
+pydantic==2.5.3
+
+# Text processing
+tiktoken==0.5.2
+
+# Utilities
+tenacity==8.2.3
+packaging==23.0.0