import gradio as gr
import pandas as pd
import time
import traceback
import os
import requests

# 完全版のimportエラー対策（段階的フォールバック）
LANGCHAIN_AVAILABLE = False
FULL_VERSION = False

try:
    from langchain_groq import ChatGroq
    from langchain_openai import ChatOpenAI
    LANGCHAIN_AVAILABLE = True
    print("✅ LangChain基本ライブラリが利用可能です")
except ImportError as e:
    print(f"⚠️ LangChain基本ライブラリが利用できません: {e}")

try:
    from OpenAITools.FetchTools import fetch_clinical_trials
    from OpenAITools.CrinicalTrialTools import SimpleClinicalTrialAgent, GraderAgent, LLMTranslator, generate_ex_question_English
    if LANGCHAIN_AVAILABLE:
        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")

# 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"""
    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"

# 基本的なClinicalTrials.gov API呼び出し（軽量版）
def fetch_clinical_trials_basic(cancer_name):
    """基本的な臨床試験データ取得（requestsのみ使用）"""
    try:
        search_expr = f"{cancer_name} SEARCH[Location](AREA[LocationCountry]Japan AND AREA[LocationStatus]Recruiting)"
        base_url = "https://clinicaltrials.gov/api/v2/studies"
        params = {
            "query.titles": search_expr,
            "pageSize": 20  # 軽量版では20件に制限
        }
        
        print(f"基本API呼び出し: {cancer_name}")
        response = requests.get(base_url, params=params)
        
        if response.status_code == 200:
            data = response.json()
            studies = data.get('studies', [])
            
            data_list = []
            for study in studies:
                nctId = study['protocolSection']['identificationModule'].get('nctId', 'Unknown')
                title = study['protocolSection']['identificationModule'].get('briefTitle', 'no title')
                conditions = ', '.join(study['protocolSection']['conditionsModule'].get('conditions', ['No conditions listed']))
                summary = study['protocolSection']['descriptionModule'].get('briefSummary', 'no summary')
                
                # 場所情報の抽出
                locations_list = study['protocolSection'].get('contactsLocationsModule', {}).get('locations', [])
                japan_locations = []
                for location in locations_list:
                    if location.get('country') == 'Japan':
                        city = location.get('city', 'Unknown City')
                        japan_locations.append(city)
                
                primaryCompletionDate = study['protocolSection']['statusModule'].get('primaryCompletionDateStruct', {}).get('date', 'Unknown Date')
                eligibilityCriteria = study['protocolSection']['eligibilityModule'].get('eligibilityCriteria', 'Unknown')

                data_list.append({
                    "NCTID": nctId,
                    "Title": title,
                    "Primary Completion Date": primaryCompletionDate,
                    "Cancer": conditions,
                    "Summary": summary,
                    "Japanes Locations": ', '.join(set(japan_locations)) if japan_locations else "No Japan locations",
                    "Eligibility Criteria": eligibilityCriteria
                })
            
            return data_list
        else:
            print(f"API呼び出し失敗: {response.status_code}")
            return []
            
    except Exception as e:
        print(f"基本API呼び出しエラー: {e}")
        return []

# 軽量版データ生成関数
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 []
        
        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 sample_data
        
    except Exception as e:
        print(f"サンプルデータ生成エラー: {e}")
        return []

# 基本版データ生成関数（ClinicalTrials.gov API使用、AI評価なし）
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 []
        
        # 実際のAPI呼び出し
        data_list = fetch_clinical_trials_basic(tumor_type)
        
        if not data_list:
            print("臨床試験データが見つかりませんでした")
            return []
        
        # 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'
        
        print(f"基本版評価完了。結果: {len(data_list)} 件")
        return data_list
        
    except Exception as e:
        print(f"基本版データ生成中に予期しないエラー: {e}")
        traceback.print_exc()
        return []

# 完全版データ生成関数（AI評価付き）
def generate_full_data(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 []
        
        # 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 []
        
        # 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 []
            print(f"取得した臨床試験数: {len(df)}")
            
            # DataFrameを辞書のリストに変換
            data_list = df.to_dict('records')
            
        except Exception as e:
            print(f"臨床試験データ取得エラー: {e}")
            return []
        
        # AI評価の実行（最大10件まで）
        evaluation_limit = min(len(data_list), 10)
        print(f"AI評価実行: {evaluation_limit} 件を処理します")
        
        for i, item in enumerate(data_list[:evaluation_limit]):
            try:
                print(f"評価中 ({i+1}/{evaluation_limit}): {item['NCTID']}")
                target_criteria = item['Eligibility Criteria']
                
                # 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)
                
                # データの更新
                item['AgentJudgment'] = agent_judgment
                item['AgentGrade'] = agent_grade
                
            except Exception as e:
                print(f"NCTID {item['NCTID']} の評価中にエラー: {e}")
                item['AgentJudgment'] = f"エラー: {str(e)}"
                item['AgentGrade'] = "unclear"
        
        # 評価されなかった残りのアイテムにはプレースホルダーを設定
        for item in data_list[evaluation_limit:]:
            item['AgentJudgment'] = f"完全版：{age}歳{sex}の{tumor_type}患者（評価制限により未処理）"
            item['AgentGrade'] = "unclear"
        
        print(f"完全版評価完了。結果: {len(data_list)} 件（うち{evaluation_limit}件をAI評価）")
        return data_list
        
    except Exception as e:
        print(f"完全版データ生成中に予期しないエラー: {e}")
        traceback.print_exc()
        return []

# 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 ""
        
        html += f'<tr class="{grade_class}">'
        
        # 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>'
        
        # Grade
        if show_grade:
            grade_emoji = {'yes': '✅', 'no': '❌', 'unclear': '❓'}.get(grade, '❓')
            html += f'<td style="text-align: center;">{grade_emoji} {grade}</td>'
        
        # Title
        title = item.get('Title', '').strip()
        html += f'<td class="title-cell">{title}</td>'
        
        # AI Judgment
        if show_grade:
            judgment = item.get('AgentJudgment', '').strip()
            html += f'<td class="criteria-cell">{judgment}</td>'
        
        # Japanese Locations
        locations = item.get('Japanes Locations', '').strip()
        html += f'<td>{locations}</td>'
        
        # Completion Date
        completion_date = item.get('Primary Completion Date', '').strip()
        html += f'<td>{completion_date}</td>'
        
        # Cancer Type
        cancer = item.get('Cancer', '').strip()
        html += f'<td>{cancer}</td>'
        
        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

# 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 grade == "all":
            return data
        return [item for item in data if item.get('AgentGrade') == grade]
    except Exception as e:
        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():
    """システムの現在の状態を確認"""
    if FULL_VERSION and env_ok:
        return "🟢 完全版", "リアルタイム検索 + AI適格性評価が利用可能です"
    elif FULL_VERSION and not env_ok:
        return "🟡 完全版（制限）", "AI機能は利用可能ですが、API keyの設定をお願いします"
    elif LANGCHAIN_AVAILABLE and env_ok:
        return "🟡 基本版", "ClinicalTrials.gov API検索が可能です（AI評価機能は制限）"
    elif LANGCHAIN_AVAILABLE:
        return "🟡 基本版", "API検索可能（環境変数要設定）"
    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（完全版）")
    
    # システム状態表示
    status_level, status_message = get_system_status()
    gr.Markdown(f"**システム状態**: {status_level} - {status_message}")
    
    # 機能説明
    if FULL_VERSION and env_ok:
        gr.Markdown("🚀 **利用可能機能**: ClinicalTrials.gov リアルタイム検索 + AI適格性評価 + データエクスポート")
        gr.Markdown("🤖 **AI機能**: Groq Llama3-70B による自動適格性判断 + 3段階グレード評価")
    elif FULL_VERSION:
        gr.Markdown("🔧 **利用可能機能**: リアルタイム検索 + 基本評価（AI機能は環境変数設定後に有効化）")
        gr.Markdown("⚠️ **API設定が必要**: Settings → Variables and secrets で GROQ_API_KEY を設定してください")
    elif LANGCHAIN_AVAILABLE:
        gr.Markdown("🔧 **利用可能機能**: ClinicalTrials.gov検索 + 基本評価 + データエクスポート")
    else:
        gr.Markdown("📋 **利用可能機能**: サンプルデータ表示 + フィルタリング")
    
    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。")

    # 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")
        
        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")

    # 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
    data_state = gr.State(value=[])

    # ボタン類
    with gr.Row():
        if FULL_VERSION and env_ok:
            generate_button = gr.Button("🤖 AI適格性評価付き検索（完全版）", variant="primary")
        elif FULL_VERSION:
            generate_button = gr.Button("🔍 リアルタイム検索（環境変数設定後にAI評価有効化）", variant="primary")
        elif LANGCHAIN_AVAILABLE:
            generate_button = gr.Button("📡 ClinicalTrials.gov検索（基本版）", variant="primary")
        else:
            generate_button = gr.Button("📋 サンプルデータ表示", 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_button = gr.Button("💾 Download CSV")
    
    # ダウンロードファイル
    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_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 and env_ok:
                progress_msg = "🤖 AI適格性評価付きで実際の臨床試験データを検索中..."
                data = generate_full_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
            elif FULL_VERSION:
                progress_msg = "🔍 実際の臨床試験データを検索中（AI評価は環境変数設定後に有効化）..."
                data = generate_basic_data(age, sex, tumor_type, gene_mutation, measurable, biopsiable)
            elif LANGCHAIN_AVAILABLE:
                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_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 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"
                if FULL_VERSION and env_ok:
                    ai_count = len([item for item in data if 'エラー' not in item.get('AgentJudgment', '')])
                    final_progress += f"（うち最大10件をAI評価済み）"
            else:
                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 html_table, data, final_progress
        except Exception as e:
            error_msg = f"❌ エラー: {str(e)}"
            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_show(data, grade):
        """フィルタリングと表示更新"""
        try:
            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 create_html_table(data)

    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_data_and_display,
        inputs=[age_input, sex_input, tumor_type_input, gene_mutation_input, measurable_input, biopsiable_input],
        outputs=[results_html, data_state, progress_text]
    )
    
    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]
    )
    
    unclear_button.click(
        fn=lambda data: filter_and_show(data, "unclear"),
        inputs=[data_state],
        outputs=[results_html]
    )
    
    all_button.click(
        fn=lambda data: filter_and_show(data, "all"),
        inputs=[data_state],
        outputs=[results_html]
    )
    
    download_button.click(
        fn=download_csv,
        inputs=[data_state],
        outputs=[download_output]
    )

    # フッター情報
    gr.Markdown("---")
    with gr.Row():
        gr.Markdown("🔬 **技術情報**: ClinicalTrials.gov API + LangChain + Groq Llama3-70B")
        gr.Markdown("📝 **完全版状況**: " + ("AI評価機能有効" if (FULL_VERSION and env_ok) else "環境変数設定後にAI機能有効化"))

if __name__ == "__main__":
    demo.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,
        debug=False,
        show_error=True
    )