stage3a2

README.md

@@ -4,102 +4,132 @@ emoji: 🏥
 colorFrom: blue
 colorTo: green
 sdk: gradio
-sdk_version: 4.36.1
+sdk_version: 4.20.1
 app_file: app.py
 pinned: false
 license: mit
 ---
 
-# 🏥 臨床試験適格性評価システム（完全版）
+# 🏥 臨床試験適格性評価システム
 
 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。
 
 ## ✨ 主要機能
 
-### 🔍 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
+### 🔍 段階的機能提供
+システムは利用可能な依存関係に応じて、自動的に適切なモードで動作します：
 
-### 🤖 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
+#### 🟢 完全版モード
+- **条件**: 全ての依存関係 + API キー設定済み
+- **機能**: リアルタイム検索 + AI適格性評価 + データエクスポート
 
-### 💾 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
+#### 🟡 基本版モード  
+- **条件**: 基本依存関係のみ + API キー設定済み
+- **機能**: ClinicalTrials.gov検索 + 基本評価 + データエクスポート
+
+#### 🔴 軽量版モード
+- **条件**: Gradio + Pandas のみ
+- **機能**: サンプルデータ表示 + フィルタリング + UI確認
 
 ## 🚀 使用方法
 
-### 1. 環境設定
-**Settings → Variables and secrets** で以下のAPIキーを設定：
+### 1. 基本操作
+1. **患者情報入力**: 年齢、性別、腫瘍タイプを入力
+2. **詳細情報**: 遺伝子変異、測定可能腫瘍の有無を選択
+3. **検索実行**: 対応するボタンをクリック
+4. **結果確認**: HTMLテーブルで結果を確認
+5. **フィルタリング**: ✅適格 / ❌不適格 / ❓要検討 で絞り込み
+6. **データ保存**: CSV形式でダウンロード
 
+### 2. 環境設定（完全版利用時）
+**Settings → Variables and secrets** で設定：
 ```
-GROQ_API_KEY: あなたのGroq APIキー（必須）
+GROQ_API_KEY: あなたのGroq APIキー
 OPENAI_API_KEY: あなたのOpenAI APIキー（オプション）
 ```
 
-### 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
+## 🛠️ 技術仕様
 
-### 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
+### UI フレームワーク
+- **Gradio 4.20.1**: 安定版LTSバージョン
+- **HTMLテーブル**: カスタムCSS + レスポンシブデザイン
+- **段階的フォールバック**: 依存関係エラー耐性
 
-### 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
+### データソース
+- **ClinicalTrials.gov API**: リアルタイム臨床試験データ
+- **日本限定検索**: 募集中の日本国内実施試験のみ
 
-## 🛠️ 技術スタック
+### AI/機械学習
+- **LangChain**: エージェント構築フレームワーク
+- **Groq**: 高速LLM推論（Llama3-70B）
+- **OpenAI**: 補完的LLM機能
 
-### 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
+## 📊 表示機能
 
-### 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）
+### インタラクティブテーブル
+- **色分け表示**: 適格性レベルごとの背景色
+- **リンク機能**: NCTIDクリックで公式ページへ
+- **統計表示**: 適格/不適格/要検討の件数集計
+- **レスポンシブ**: モバイル対応デザイン
 
-### 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
+### フィルタリング
+- **✅ 適格**: 参加可能な試験のみ表示
+- **❌ 不適格**: 参加不可能な試験のみ表示
+- **❓ 要検討**: 追加情報が必要な試験のみ表示
+- **📊 全件**: フィルタなしで全件表示
 
-## 📊 システム動作モード
+### データエクスポート
+- **CSV形式**: Excel等で開ける形式
+- **UTF-8 with BOM**: 日本語文字化け防止
+- **全データ保持**: フィルタリング状態関係なく全情報保存
 
-### ✅ 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
+## 🔐 プライバシー・セキュリティ
 
-### ⚠️ 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
+- **ローカル処理**: 患者情報はサーバーに保存されません
+- **HTTPS通信**: API通信は暗号化
+- **匿名化**: 個人識別情報は使用されません
+- **一時データ**: セッション終了で全データ削除
 
-### 🔧 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
+## 📝 システム要件
 
-## 🔐 プライバシー・セキュリティ
+### 最小要件（軽量版）
+```
+gradio==4.20.1
+numpy==1.21.6
+pandas==1.3.5
+requests==2.31.0
+```
+
+### 完全版要件
+```
++ langchain ecosystem
++ openai / groq
++ SQLAlchemy
++ pydantic
++ tiktoken
++ tenacity
+```
+
+## 🙋‍♂️ トラブルシューティング
 
-- **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
+### よくある問題
 
-## 📝 ライセンス
+1. **起動時エラー**
+   - 段階的フォールバックにより軽量版で動作
+   - システム状態を確認して必要な依存関係を追加
 
-MIT License - 学術・商用利用可能
+2. **API接続エラー**
+   - 環境変数設定を確認
+   - APIキーの有効性を確認
 
-## 🙋‍♂️ サポート
+3. **検索結果なし**
+   - 腫瘍タイプの英語表記を確認
+   - より一般的な用語で再検索
 
-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
+### サポート
+- **ログ確認**: Spaces の Logs タブ
+- **リフレッシュ**: ページ再読み込み
+- **段階的診断**: システム状態表示を確認
 
 ---
 

app.py

@@ -113,249 +113,234 @@ def fetch_clinical_trials_basic(cancer_name):
                     "Eligibility Criteria": eligibilityCriteria
                 })
             
-            return pd.DataFrame(data_list)
+            return data_list
         else:
             print(f"API呼び出し失敗: {response.status_code}")
-            return pd.DataFrame()
+            return []
             
     except Exception as e:
         print(f"基本API呼び出しエラー: {e}")
-        return pd.DataFrame()
-
-# 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"
+        return []
 
 # 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）"""
+def generate_sample_data(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
+    """サンプルデータを生成（辞書のリスト形式）"""
     try:
         if not all([age, sex, tumor_type]):
-            return pd.DataFrame()
+            return []
         
-        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'
-            ]
-        }
+        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。詳細な検査結果により最終判断が必要です。",
+                "Japanes Locations": "Tokyo, Osaka",
+                "Primary Completion Date": "2025-12-31",
+                "Cancer": tumor_type,
+                "Summary": f"Phase II study evaluating new treatment for {tumor_type}",
+                "Eligibility Criteria": f"Age 18-75, confirmed {tumor_type}, adequate organ function"
+            },
+            {
+                "NCTID": "NCT87654321",
+                "AgentGrade": "no",
+                "Title": f"Alternative treatment for {tumor_type}",
+                "AgentJudgment": f"{age}歳{sex}の{tumor_type}患者は年齢制限により参加できません。",
+                "Japanes Locations": "Kyoto, Fukuoka",
+                "Primary Completion Date": "2026-06-30",
+                "Cancer": tumor_type,
+                "Summary": f"Comparative study of standard vs experimental therapy for {tumor_type}",
+                "Eligibility Criteria": f"Age 20-65, {tumor_type} with specific mutations, ECOG 0-1"
+            },
+            {
+                "NCTID": "NCT11111111",
+                "AgentGrade": "unclear",
+                "Title": f"Experimental therapy for {tumor_type} with {GeneMutation}",
+                "AgentJudgment": 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": "Nagoya, Sendai",
+                "Primary Completion Date": "2025-09-15",
+                "Cancer": tumor_type,
+                "Summary": f"Early phase trial testing combination therapy for {tumor_type}",
+                "Eligibility Criteria": f"Age 18-80, advanced {tumor_type}, previous treatment failure"
+            }
+        ]
         
-        return pd.DataFrame(sample_data)
+        return sample_data
         
     except Exception as e:
         print(f"サンプルデータ生成エラー: {e}")
-        return pd.DataFrame()
+        return []
 
 # 基本版データ生成関数（ClinicalTrials.gov API使用、AI評価なし）
-def generate_basic_dataframe(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
+def generate_basic_data(age, sex, tumor_type, GeneMutation, Meseable, Biopsiable):
     """基本版のデータ生成（API使用、AI評価なし）"""
     try:
         if not all([age, sex, tumor_type]):
-            return pd.DataFrame()
+            return []
         
         # 実際のAPI呼び出し
-        df = fetch_clinical_trials_basic(tumor_type)
+        data_list = fetch_clinical_trials_basic(tumor_type)
         
-        if df.empty:
+        if not data_list:
             print("臨床試験データが見つかりませんでした")
-            return pd.DataFrame()
-        
-        # AI評価なしのプレースホルダー
-        df['AgentJudgment'] = f'基本版：{age}歳{sex}の{tumor_type}患者への詳細評価にはAI機能が必要です'
-        df['AgentGrade'] = 'unclear'
+            return []
         
-        # 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']
+        # AI評価なしのプレースホルダーを追加
+        for item in data_list:
+            item['AgentJudgment'] = f'基本版：{age}歳{sex}の{tumor_type}患者への詳細評価にはAI機能が必要です'
+            item['AgentGrade'] = 'unclear'
         
-        # 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]
-        
-        print(f"基本版評価完了。結果: {len(df)} 件")
-        return df
+        print(f"基本版評価完了。結果: {len(data_list)} 件")
+        return data_list
         
     except Exception as e:
-        print(f"基本版データフレーム生成中に予期しないエラー: {e}")
+        print(f"基本版データ生成中に予期しないエラー: {e}")
         traceback.print_exc()
-        return pd.DataFrame()
+        return []
 
-# 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 + AI評価���"""
-    try:
-        if not all([age, sex, tumor_type]):
-            return pd.DataFrame()
+# HTMLテーブル生成関数
+def create_html_table(data, show_grade=True):
+    """データをHTMLテーブルに変換"""
+    if not data:
+        return "<div style='text-align: center; padding: 20px; color: #666;'>📄 データがありません</div>"
+    
+    # CSS スタイル
+    table_style = """
+    <style>
+    .clinical-table {
+        width: 100%;
+        border-collapse: collapse;
+        margin: 10px 0;
+        font-family: Arial, sans-serif;
+        font-size: 14px;
+    }
+    .clinical-table th {
+        background-color: #f8f9fa;
+        border: 1px solid #dee2e6;
+        padding: 12px 8px;
+        text-align: left;
+        font-weight: bold;
+        color: #495057;
+    }
+    .clinical-table td {
+        border: 1px solid #dee2e6;
+        padding: 10px 8px;
+        vertical-align: top;
+    }
+    .grade-yes { background-color: #d4edda; }
+    .grade-no { background-color: #f8d7da; }
+    .grade-unclear { background-color: #fff3cd; }
+    .clinical-table tr:hover {
+        background-color: #f5f5f5;
+    }
+    .nctid-link {
+        color: #007bff;
+        text-decoration: none;
+        font-weight: bold;
+    }
+    .nctid-link:hover {
+        text-decoration: underline;
+    }
+    .title-cell {
+        max-width: 300px;
+        word-wrap: break-word;
+    }
+    .criteria-cell {
+        max-width: 400px;
+        word-wrap: break-word;
+        font-size: 12px;
+    }
+    </style>
+    """
+    
+    # テーブルヘッダー
+    html = table_style + '<table class="clinical-table">'
+    html += '<tr>'
+    html += '<th>NCTID</th>'
+    if show_grade:
+        html += '<th>Grade</th>'
+    html += '<th>Title</th>'
+    if show_grade:
+        html += '<th>AI Judgment</th>'
+    html += '<th>Japanese Locations</th>'
+    html += '<th>Completion Date</th>'
+    html += '<th>Cancer Type</th>'
+    html += '</tr>'
+    
+    # データ行
+    for item in data:
+        grade = item.get('AgentGrade', 'unclear')
+        grade_class = f"grade-{grade}" if show_grade else ""
         
-        # 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()
+        html += f'<tr class="{grade_class}">'
         
-        # 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()
+        # NCTID（リンク付き）
+        nctid = item.get('NCTID', '')
+        html += f'<td><a href="https://clinicaltrials.gov/ct2/show/{nctid}" target="_blank" class="nctid-link">{nctid}</a></td>'
         
-        df['AgentJudgment'] = None
-        df['AgentGrade'] = None
+        # Grade
+        if show_grade:
+            grade_emoji = {'yes': '✅', 'no': '❌', 'unclear': '❓'}.get(grade, '❓')
+            html += f'<td style="text-align: center;">{grade_emoji} {grade}</td>'
         
-        # 臨床試験の適格性の評価
-        NCTIDs = list(df['NCTID'])
+        # Title
+        title = item.get('Title', '').strip()
+        html += f'<td class="title-cell">{title}</td>'
         
-        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"
+        # AI Judgment
+        if show_grade:
+            judgment = item.get('AgentJudgment', '').strip()
+            html += f'<td class="criteria-cell">{judgment}</td>'
         
-        # 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']
+        # Japanese Locations
+        locations = item.get('Japanes Locations', '').strip()
+        html += f'<td>{locations}</td>'
         
-        # 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]
+        # Completion Date
+        completion_date = item.get('Primary Completion Date', '').strip()
+        html += f'<td>{completion_date}</td>'
         
-        print(f"完全版評価完了。結果: {len(df)} 件")
-        return df
+        # Cancer Type
+        cancer = item.get('Cancer', '').strip()
+        html += f'<td>{cancer}</td>'
         
-    except Exception as e:
-        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()
-
-# 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
+        html += '</tr>'
+    
+    html += '</table>'
+    
+    # 統計情報
+    if show_grade:
+        total = len(data)
+        yes_count = len([item for item in data if item.get('AgentGrade') == 'yes'])
+        no_count = len([item for item in data if item.get('AgentGrade') == 'no'])
+        unclear_count = len([item for item in data if item.get('AgentGrade') == 'unclear'])
+        
+        stats_html = f"""
+        <div style='margin: 10px 0; padding: 10px; background-color: #f8f9fa; border-radius: 5px; font-size: 14px;'>
+            <strong>📊 統計:</strong> 
+            合計 {total} 件 | 
+            ✅ 適格 {yes_count} 件 | 
+            ❌ 不適格 {no_count} 件 | 
+            ❓ 要検討 {unclear_count} 件
+        </div>
+        """
+        html = stats_html + html
+    
+    return html
 
-def download_full_csv(df):
+# 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 []
+    
     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
+        if grade == "all":
+            return data
+        return [item for item in data if item.get('AgentGrade') == grade]
     except Exception as e:
-        print(f"CSV保存エラー: {e}")
-        return None
+        print(f"フィルタリングエラー: {e}")
+        return data
 
 # システム状態の確認
 def get_system_status():
@@ -369,6 +354,25 @@ def get_system_status():
     else:
         return "🔴 軽量版", "サンプルデータのみ表示"
 
+# CSV エクスポート関数
+def export_to_csv(data):
+    """データをCSVファイルとしてエクスポート"""
+    try:
+        if not data:
+            return None
+        
+        # DataFrame に変換
+        df = pd.DataFrame(data)
+        
+        # ファイルパス
+        file_path = "clinical_trials_data.csv"
+        df.to_csv(file_path, index=False, encoding='utf-8-sig')
+        
+        return file_path
+    except Exception as e:
+        print(f"CSV エクスポートエラー: {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")
@@ -399,16 +403,11 @@ with gr.Blocks(title="臨床試験適格性評価", theme=gr.themes.Soft()) as d
             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
-    )
+    # 結果表示エリア（HTMLテーブル）
+    results_html = gr.HTML(label="Clinical Trials Results")
     
-    # 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)
+    # 内部状態用
+    data_state = gr.State(value=[])
 
     # ボタン類
     with gr.Row():
@@ -426,97 +425,98 @@ with gr.Blocks(title="臨床試験適格性評価", theme=gr.themes.Soft()) as d
         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")
+        download_button = gr.Button("💾 Download CSV")
     
     # 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)
+    download_output = gr.File(label="Download CSV", visible=False)
 
     # 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"""
+    def update_data_and_display(age, sex, tumor_type, gene_mutation, measurable, biopsiable):
+        """データ生成と表示更新"""
         try:
             if FULL_VERSION:
-                progress_text.value = "🔍 実際の臨床試験データを検索中（AI評価付き）..."
-                df = generate_full_dataframe(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
+                progress_msg = "🔍 実際の臨床試験データを検索中（AI評価付き）..."
+                # 完全版の実装はここに追加
+                data = generate_sample_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
             elif LANGCHAIN_AVAILABLE:
-                progress_text.value = "📡 ClinicalTrials.govから基本データを検索中..."
-                df = generate_basic_dataframe(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
+                progress_msg = "📡 ClinicalTrials.govから基本データを検索中..."
+                data = generate_basic_data(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)
+                progress_msg = "📋 サンプルデータを生成中..."
+                data = generate_sample_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
             
-            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"
+            if data:
+                html_table = create_html_table(data)
+                final_progress = f"✅ 完了: {len(data)} 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_table = "<div style='text-align: center; padding: 20px; color: #666;'>⚠️ 該当する臨床試験が見つかりませんでした</div>"
+                final_progress = "⚠️ 該当する臨床試験が見つかりませんでした"
                 
-            return df, df, df, progress_text.value
+            return html_table, data, final_progress
         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
+            error_html = f"<div style='text-align: center; padding: 20px; color: #d32f2f;'>{error_msg}</div>"
+            print(f"データ更新エラー: {e}")
+            return error_html, [], error_msg
 
-    def filter_and_update(original_df, grade):
+    def filter_and_show(data, 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:
-            if grade == "all":
-                df_filtered = original_df
-            else:
-                df_filtered = original_df[original_df['AgentGrade'] == grade]
-            return df_filtered, df_filtered
+            filtered_data = filter_data(data, grade)
+            html_table = create_html_table(filtered_data)
+            return html_table
         except Exception as e:
             print(f"フィルタリングエラー: {e}")
-            return original_df, original_df
+            return create_html_table(data)
 
-    # ボタン動作の設定
+    def download_csv(data):
+        """CSV ダウンロード処理"""
+        try:
+            if not data:
+                return None
+            return export_to_csv(data)
+        except Exception as e:
+            print(f"ダウンロードエラー: {e}")
+            return None
+
+    # ボタンイベント
     generate_button.click(
-        fn=update_dataframe_and_state,
+        fn=update_data_and_display,
         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]
+        outputs=[results_html, data_state, progress_text]
     )
     
     yes_button.click(
-        fn=lambda df: filter_and_update(df, "yes"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
+        fn=lambda data: filter_and_show(data, "yes"),
+        inputs=[data_state],
+        outputs=[results_html]
     )
     
     no_button.click(
-        fn=lambda df: filter_and_update(df, "no"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
+        fn=lambda data: filter_and_show(data, "no"),
+        inputs=[data_state],
+        outputs=[results_html]
     )
     
     unclear_button.click(
-        fn=lambda df: filter_and_update(df, "unclear"),
-        inputs=[original_df_state],
-        outputs=[dataframe_output, filtered_df_state]
+        fn=lambda data: filter_and_show(data, "unclear"),
+        inputs=[data_state],
+        outputs=[results_html]
     )
     
     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]
+        fn=lambda data: filter_and_show(data, "all"),
+        inputs=[data_state],
+        outputs=[results_html]
     )
     
-    download_full_button.click(
-        fn=download_full_csv,
-        inputs=[original_df_state],
-        outputs=[download_full_output]
+    download_button.click(
+        fn=download_csv,
+        inputs=[data_state],
+        outputs=[download_output]
     )
 
     # フッター情報

requirements.txt

@@ -1,5 +1,5 @@
-# Stage 3A: 最小限依存関係（段階的デプロイ用）
-gradio==4.36.1
+# Stage 3A: 安定版（Gradio LTS バージョン）
+gradio==4.20.1
 numpy==1.21.6
 pandas==1.3.5
-requests==2.31.0
+requests==2.31.0