import gradio as gr
from datetime import datetime
import cv2
import numpy as np

# Simulación de progresión tisular con Fibonacci
def simulador_fibonacci(n: int):
    if n <= 0:
        return [0]
    elif n == 1:
        return [0, 1]
    secuencia = [0, 1]
    for i in range(2, n):
        secuencia.append(secuencia[i - 1] + secuencia[i - 2])
    return f"Secuencia generada: {secuencia}"

# Procesamiento y vista previa de imagen
def mostrar_imagen(imagen):
    return imagen

# Análisis facial simple: detección de rostros
def analisis_facial(imagen):
    img = np.array(imagen)
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    detector = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
    faces = detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

    if len(faces) == 0:
        return img, "No se detectaron rostros."
    else:
        return img, f"Se detectaron {len(faces)} rostro(s)."

# Consentimiento informado (demo)
def consentimiento():
    return "Consentimiento informado aceptado."

# Encuesta de satisfacción
opciones_satisfaccion = ["Excelente", "Buena", "Regular", "Mala"]
def registrar_satisfaccion(seleccion, comentario):
    return f"Gracias por su opinión: {seleccion}. Comentario: {comentario}"

# Interfaz Gradio
with gr.Blocks(title="Panacea Ícono - Plataforma Tecnológica en Salud") as demo:
    gr.Markdown("## 🧠 Plataforma Panacea Ícono S.A. - Tecnología en Salud, Blockchain y Simulación")

    with gr.Tabs():
        with gr.TabItem("🔁 Simulador Médico-Quirúrgico"):
            iteraciones = gr.Slider(1, 20, step=1, label="Iteraciones quirúrgicas")
            resultado_simulacion = gr.Textbox(label="Resultado de la simulación")
            gr.Button("Ejecutar simulación").click(fn=simulador_fibonacci, inputs=iteraciones, outputs=resultado_simulacion)

        with gr.TabItem("📷 Subida de Imágenes Clínicas"):
            imagen_subida = gr.Image(type="pil", label="Imagen médica")
            imagen_preview = gr.Image(label="Vista previa")
            imagen_subida.change(fn=mostrar_imagen, inputs=imagen_subida, outputs=imagen_preview)

        with gr.TabItem("🧠 Análisis Facial Médico"):
            imagen_facial = gr.Image(type="pil", label="Foto frontal")
            imagen_analizada = gr.Image(label="Detección facial")
            resultado_rostros = gr.Textbox(label="Resultado del análisis facial")
            imagen_facial.change(fn=analisis_facial, inputs=imagen_facial, outputs=[imagen_analizada, resultado_rostros])

        with gr.TabItem("🧾 Consentimiento Informado"):
            gr.Markdown("Revise y acepte el consentimiento para procedimientos médicos.")
            gr.Button("Aceptar consentimiento").click(fn=consentimiento, outputs=gr.Textbox())

        with gr.TabItem("📊 Encuesta de Satisfacción"):
            seleccion = gr.Radio(opciones_satisfaccion, label="¿Cómo califica su experiencia?")
            comentario = gr.Textbox(label="Comentarios adicionales")
            resultado_encuesta = gr.Textbox(label="Resultado del registro")
            gr.Button("Enviar opinión").click(fn=registrar_satisfaccion, inputs=[seleccion, comentario], outputs=resultado_encuesta)

if __name__ == "__main__":
    demo.launch(server_port=7862)