from __future__ import annotations from pathlib import Path from types import SimpleNamespace from fastapi.templating import Jinja2Templates from app.llm.schemas import HistoriaClinicaStructured from app.services.clinical_processing import ( extraer_antecedentes_historia, extraer_antecedentes_historia_estructurados, ) from app.services.historia_antecedentes import ( antecedentes_to_flat_list, extract_historia_antecedentes_structured, group_antecedentes_for_view, resolve_historia_antecedentes, ) _ROOT = Path(__file__).resolve().parents[1] HISTORIA_COLUMNAS = """ ANTECEDENTES DIABETES : NIEGA, OBESIDAD : NIEGA, HIPERTENSION ARTERIA : NIEGA, CARDIOPATÍA : NIEGA, TABAQUISMO : NIEGA, ASMA : NIEGA, ALERGICOS : ******** ALERGICO A QUIRURGICOS: APENDICECTOMIA, SAFENECTOMIA LA NITROFURAZONA ******** DERECHA. FARMACOLOGICOS: NIEGA TOXICOS: NIEGA REVISIÓN POR SISTEMAS ANTECEDENTES PERONSLES PATOLOGICOS CARDIOPATIA, HPB, INSUFICIENCIA VENOSA EXAMEN FISICO ANTECEDENTES - PATOLOGICOS: NIEGA - QUIRURGICOS: APENDICECTOMIA, SAFENECTOMIA DERECHA, CIRUGIA OCULAR EN OJO IZQUIERDO - ALERGICOS: NIEGA - TOXICOS: NIEGA EXAMEN FISICO """ HISTORIA_COLUMNAS_COMPACTAS = """ ANTECEDENTES EPOC : NIEGA, OTROS : PATOLOGICOS: NIEGA ALERGICOS : ************************* ALERGICO A QUIRURGICOS: APENDICECTOMIA, SAFENECTOMIA LA NITROFURAZONA *********** DERECHA. FARMACOLOGICOS: NIEGA TOXICOS: NIEGA PRM : REVISIÓN POR SISTEMAS \f ANTECEDENTES - PATOLOGICOS: NIEGA - FARMACOLOGICOS: NIEGA - QUIRURGICOS: APENDICECTOMIA, SAFENECTOMIA DERECHA, CIRUGIA OCULAR EN OJO IZQUIERDO - ALERGICOS: NIEGA EXAMEN FISICO """ HISTORIA_TABLA = """ ALERGIA: NIEGA ALERGIAS AMOXICILINA: PRURITO, RASH CEFALEXINA: PRURITO, RASH ANTECEDENTES FECHA TIPO DESCRIPCIÓN ANTECEDENTES 09/10/2025 QUIRURGICOS REEMPLAZO DE RODILLA IZQUIERDA. 09/10/2025 FARMACOLOGICOS TAMSLOSINA TAB 0.4 MG 1 TAB VO DIA. 09/10/2025 PATOLOGICOS CARDIOPATIA, HPB, INSUFICIENCIA VENOSA. 09/10/2025 ALERGICOS CEFALEXINA 17/01/2025 SISTEMICOS SOBREPESO EXFUMADOR 25/10/2024 ALERGICOS AMOXICILINA 30/05/2023 QUIRURGICOS REEMPLAZO TOTAL DE RODILLA IZQUIERDA 24/04/2023 PATOLOGICOS NIEGA 24/04/2023 ALERGICOS NO CONOCIDOS EXAMEN FISICO \f ANTECEDENTES PATOLÓGICOS: HIPERTENSION ARTERIAL, DISLIPIDEMIA, HPB, OSTEOARTROSIS QUIRÚRGICO: REEMPLAZO TOTAL DE RODILLA IZQUIERDA. FARMACOLÓGICOS: TAMSULOSINA, ENALAPRIL, ATORVASTATINA ALÉRGICOS: AMOXICILINA - CEFALEXINA EXAMEN FÍSICO """ def _values(items, *, category: str, state: str = "presente") -> list[str]: return [ item.descripcion.casefold() for item in items if item.categoria == category and item.estado == state ] def test_extracts_multicolumn_antecedents_and_groups_negations() -> None: items = extract_historia_antecedentes_structured(HISTORIA_COLUMNAS) assert _values(items, category="alergico") == ["nitrofurazona"] assert set(_values(items, category="quirurgico")) == { "apendicectomia", "cirugia ocular en ojo izquierdo", "safenectomia derecha", } assert "diabetes" in _values(items, category="patologico", state="negado") assert "cardiopatia" in _values(items, category="patologico") assert "farmacológicos" in _values(items, category="farmacologico", state="negado") allergy = next(item for item in items if item.categoria == "alergico" and item.estado == "presente") assert allergy.discordante is True view = group_antecedentes_for_view(items) assert view["categories"][0]["key"] == "alergico" assert view["negative_category_count"] >= 3 assert view["has_discordance"] is True def test_extracts_compact_multicolumn_antecedents_without_cross_column_artifacts() -> None: items = extract_historia_antecedentes_structured(HISTORIA_COLUMNAS_COMPACTAS) positives = [item for item in items if item.estado == "presente"] assert _values(items, category="alergico") == ["nitrofurazona"] assert set(_values(items, category="quirurgico")) == { "apendicectomia", "cirugia ocular en ojo izquierdo", "safenectomia derecha", } assert all(item.descripcion.casefold() != "alergico a" for item in positives) assert all("safenectomia la nitrofurazona" not in item.descripcion.casefold() for item in positives) allergy = next(item for item in positives if item.categoria == "alergico") assert allergy.discordante is True def test_resolver_is_idempotent_and_records_discarded_column_artifacts() -> None: structured_candidates = [ { "ct": "alergico", "d": "Alergia a la nitrofurazona", "es": "presente", "ev": "ALERGICO A LA NITROFURAZONA", "og": "explicito", "dc": True, }, { "ct": "quirurgico", "d": "Apendicectomía", "es": "presente", "ev": "APENDICECTOMIA", "og": "explicito", }, { "ct": "quirurgico", "d": "Safenectomía derecha", "es": "presente", "ev": "SAFENECTOMIA DERECHA", "og": "explicito", }, { "ct": "quirurgico", "d": "Cirugía ocular en ojo izquierdo", "es": "presente", "ev": "CIRUGIA OCULAR EN OJO IZQUIERDO", "og": "explicito", }, { "ct": "alergico", "d": "ALERGICO A", "es": "presente", "ev": "ALERGICO A", "og": "explicito", }, { "ct": "quirurgico", "d": "SAFENECTOMIA LA NITROFURAZONA DERECHA", "es": "presente", "ev": "SAFENECTOMIA LA NITROFURAZONA DERECHA", "og": "explicito", }, ] procedures = [ {"d": "Apendicectomía"}, {"d": "Safenectomía derecha"}, {"d": "Cirugía ocular en ojo izquierdo"}, ] first = resolve_historia_antecedentes( HISTORIA_COLUMNAS_COMPACTAS, structured_candidates=structured_candidates, procedure_candidates=procedures, ) second = resolve_historia_antecedentes( HISTORIA_COLUMNAS_COMPACTAS, structured_candidates=first.items, procedure_candidates=procedures, legacy_flat_candidates=antecedentes_to_flat_list(first.items), ) assert first.items == second.items assert antecedentes_to_flat_list(first.items) == antecedentes_to_flat_list(second.items) assert first.reason_codes == second.reason_codes == () assert first.policy_version == second.policy_version == "v3" assert dict(first.rejected_by_reason) == { "antecedents_cross_column_contamination": 1, "antecedents_incomplete_value": 1, } assert next(item for item in first.items if item.categoria == "alergico").discordante is True def test_summary_text_does_not_change_canonical_antecedents() -> None: base = { "dt": "historia_clinica", "ae": [ { "ct": "alergico", "d": "Nitrofurazona", "es": "presente", "ev": "LA NITROFURAZONA", "og": "explicito", } ], } first = extraer_antecedentes_historia_estructurados( { "descripcion": HISTORIA_COLUMNAS_COMPACTAS, "analysis_structured": {**base, "rs": "Resumen sin antecedentes."}, } ) second = extraer_antecedentes_historia_estructurados( { "descripcion": HISTORIA_COLUMNAS_COMPACTAS, "analysis_structured": { **base, "rs": "El resumen menciona información clínica completamente diferente.", }, } ) assert first == second def test_extracts_dated_table_across_pages_and_consolidates_duplicates() -> None: items = extract_historia_antecedentes_structured(HISTORIA_TABLA) allergies = _values(items, category="alergico") pathologies = _values(items, category="patologico") surgical = _values(items, category="quirurgico") systemic = _values(items, category="sistemico") assert allergies.count("amoxicilina") == 1 assert any(value.startswith("cefalexina") for value in allergies) assert {"cardiopatia", "hipertension arterial", "dislipidemia", "osteoartrosis"} <= set(pathologies) assert len([value for value in surgical if "reemplazo" in value]) == 1 assert "exfumador" in systemic assert any(item.pagina == 2 for item in items if item.descripcion.casefold() == "dislipidemia") assert all(item.discordante for item in items if item.categoria == "alergico") def test_structured_projection_preserves_flat_pdf_contract() -> None: model = HistoriaClinicaStructured.model_validate( { "patient_name": "PACIENTE PRUEBA", "resumen_clinico": "Resumen clínico válido para el caso de prueba.", "antecedentes_estructurados": [ { "categoria": "alergico", "descripcion": "Penicilina", "estado": "presente", "evidencia": "ALERGICOS: PENICILINA", }, { "categoria": "patologico", "descripcion": "Diabetes", "estado": "negado", }, ], } ) document = { "tipo_documento": "historia_clinica", "descripcion": "", "analysis_structured": model.model_dump(by_alias=True, exclude_none=True), } structured = extraer_antecedentes_historia_estructurados(document) flat = extraer_antecedentes_historia(document) assert structured[0]["categoria"] == "alergico" assert flat == ["ALERGIA: Penicilina"] def test_flat_projection_labels_allergies_and_pharmacological_context_only() -> None: flat = antecedentes_to_flat_list( [ {"ct": "alergico", "d": "NITROFURAZONA"}, { "ct": "farmacologico", "d": "Tamsulosina", "cx": "indicada para hiperplasia prostática", }, {"ct": "farmacologico", "d": "Enalapril"}, {"ct": "quirurgico", "d": "Apendicectomía"}, {"ct": "quirurgico", "d": "Safenectomía derecha"}, {"ct": "quirurgico", "d": "Cirugía ocular en ojo izquierdo"}, ] ) assert flat == [ "ALERGIA: NITROFURAZONA", "Apendicectomía", "Cirugía ocular en ojo izquierdo", "Safenectomía derecha", "FARMACOLÓGICO: Enalapril", "FARMACOLÓGICO: Tamsulosina — indicada para hiperplasia prostática", ] def test_resolver_accepts_explicit_pharmacological_context_and_records_metrics() -> None: raw_text = ( "Se documenta antecedente farmacológico de Tamsulosina, " "indicada para hiperplasia prostática desde 2020." ) resolution = resolve_historia_antecedentes( raw_text, structured_candidates=[ { "ct": "farmacologico", "d": "Tamsulosina", "cx": "indicada para hiperplasia prostática desde 2020", "ev": raw_text, "og": "explicito", "cf": "alta", } ], ) assert resolution.items[0].descripcion == "Tamsulosina" assert resolution.items[0].contexto == "indicada para hiperplasia prostática desde 2020" assert antecedentes_to_flat_list(resolution.items) == [ "FARMACOLÓGICO: Tamsulosina — indicada para hiperplasia prostática desde 2020" ] metrics = resolution.to_metrics() assert metrics["pharmacological_contexts_accepted"] == 1 assert metrics["pharmacological_contexts_omitted"] == 0 assert metrics["pharmacological_contexts_discarded"] == 0 def test_resolver_discards_invented_pharmacological_context_but_keeps_medication() -> None: raw_text = "Se registra antecedente farmacológico de Enalapril." resolution = resolve_historia_antecedentes( raw_text, structured_candidates=[ { "ct": "farmacologico", "d": "Enalapril", "cx": "uso habitual nocturno desde hace diez años", "ev": raw_text, "og": "explicito", "cf": "alta", } ], ) assert resolution.items[0].descripcion == "Enalapril" assert resolution.items[0].contexto is None assert antecedentes_to_flat_list(resolution.items) == ["FARMACOLÓGICO: Enalapril"] metrics = resolution.to_metrics() assert metrics["pharmacological_contexts_accepted"] == 0 assert metrics["pharmacological_contexts_omitted"] == 1 assert metrics["pharmacological_contexts_discarded"] == 1 def test_resolver_legacy_comparison_accepts_old_and_contextualized_projections() -> None: raw_text = """ ALERGIAS: NITROFURAZONA Se registra antecedente farmacológico de Enalapril para control de hipertensión. """ candidates = [ {"ct": "alergico", "d": "NITROFURAZONA", "ev": "ALERGIAS: NITROFURAZONA"}, { "ct": "farmacologico", "d": "Enalapril", "cx": "para control de hipertensión", "ev": "antecedente farmacológico de Enalapril para control de hipertensión", "og": "explicito", "cf": "alta", }, ] old_projection = resolve_historia_antecedentes( raw_text, structured_candidates=candidates, legacy_flat_candidates=["NITROFURAZONA", "Enalapril"], ) new_projection = resolve_historia_antecedentes( raw_text, structured_candidates=old_projection.items, legacy_flat_candidates=[ "ALERGIA: NITROFURAZONA", "FARMACOLÓGICO: Enalapril — para control de hipertensión", ], ) assert old_projection.items == new_projection.items assert old_projection.reason_codes == new_projection.reason_codes == () def test_resolver_rejects_legacy_narratives_and_derives_flat_projection() -> None: raw_text = """ ANTECEDENTES PATOLÓGICOS: HIPERTENSIÓN ARTERIAL EXAMEN FÍSICO Paciente consulta por dolor torácico. Se realiza electrocardiograma y se inicia manejo analgésico. """ narrative = ( "Motivo de consulta: dolor torácico. Examen físico: paciente estable. " "Diagnóstico actual: trauma de tórax. Tratamiento: analgesia y observación." ) resolution = resolve_historia_antecedentes( raw_text, legacy_flat_candidates=[narrative], ) assert antecedentes_to_flat_list(resolution.items) == ["HIPERTENSIÓN ARTERIAL"] assert "antecedents_contaminated_narrative" in resolution.reason_codes assert "antecedents_inconsistent_flat_projection" in resolution.reason_codes assert all(item.evidencia and item.pagina == 1 for item in resolution.items) def test_resolver_accepts_traced_high_confidence_inference() -> None: raw_text = "En la valoración documental se registra hipertensión arterial." resolution = resolve_historia_antecedentes( raw_text, structured_candidates=[ { "categoria": "patologico", "descripcion": "Hipertensión arterial", "estado": "presente", "origen": "inferido", "confianza": "alta", "evidencia": "se registra hipertensión arterial", } ], ) assert antecedentes_to_flat_list(resolution.items) == ["Hipertensión arterial"] assert resolution.items[0].origen == "inferido" assert resolution.items[0].confianza == "alta" assert resolution.reason_codes == () def test_resolver_discards_negations_and_current_episode_content() -> None: raw_text = """ ANTECEDENTES PATOLÓGICOS: NIEGA DIAGNÓSTICO ACTUAL: FRACTURA DE CLAVÍCULA """ resolution = resolve_historia_antecedentes( raw_text, structured_candidates=[ { "categoria": "patologico", "descripcion": "Fractura de clavícula", "estado": "presente", "origen": "inferido", "confianza": "alta", } ], ) assert resolution.items == () assert resolution.negatives_discarded >= 1 assert "antecedents_current_episode_content" in resolution.reason_codes def test_epicrisis_panel_uses_compact_cards_and_keeps_pdf_flat_payload() -> None: template = (_ROOT / "web" / "epicrisis.html").read_text(encoding="utf-8") summary_view = (_ROOT / "web" / "includes" / "epicrisis" / "resumen_clinico.html").read_text( encoding="utf-8" ) css = (_ROOT / "static" / "css" / "epicrisis.css").read_text(encoding="utf-8") panel = summary_view.split("", maxsplit=1)[1].split( "", maxsplit=1 )[0] assert '
    ' not in panel assert 'class="antecedents-grid"' in panel assert 'class="antecedents-negatives"' in panel assert "Información discordante" in panel assert "antecedentesHC:" in template assert "grid-template-columns: repeat(auto-fit" in css assert "@media (max-width: 720px)" in css def test_epicrisis_template_renders_structured_antecedents_and_empty_state() -> None: template = Jinja2Templates(directory=str(_ROOT / "web")).env.get_template("epicrisis.html") view = group_antecedentes_for_view( [ { "categoria": "alergico", "descripcion": "Nitrofurazona", "estado": "presente", "discordante": True, "evidencia": "ALERGICOS: NITROFURAZONA", }, { "categoria": "quirurgico", "descripcion": "Apendicectomía", "estado": "presente", }, { "categoria": "quirurgico", "descripcion": "Safenectomía derecha", "estado": "presente", }, { "categoria": "alergico", "descripcion": "Alérgicos", "estado": "negado", "discordante": True, }, ] ) rendered = template.render( nombre_paciente="", user=SimpleNamespace(username="tester"), metadatos_hc={"caso": "1390913"}, antecedentes_hc_view=view, ) empty_rendered = template.render( nombre_paciente="", user=SimpleNamespace(username="tester"), metadatos_hc={"caso": "1390913"}, antecedentes_hc_view=group_antecedentes_for_view([]), ) assert "Nitrofurazona" in rendered assert "Apendicectomía" in rendered assert "Safenectomía derecha" in rendered assert 'aria-label="2 antecedentes">2' in rendered assert "Información discordante" in rendered assert "Antecedentes negados" in rendered assert "ALERGICOS: NITROFURAZONA" in rendered assert 'class="epicrisis-panel epicrisis-panel--antecedents"' not in empty_rendered