interface.py

import gradio as gr
from model_utils import predict_outcome
from styles import RTL_CSS, HTML_HEAD
from config import (
    APP_TITLE, MODEL_ACCURACY, MODEL_AUC, 
    DEFAULT_VALUES, FIELD_RANGES, EXAMPLE_CASES
)

def create_patient_info_section():
    with gr.Column():
        gr.Markdown("### 📝 اطلاعات بیمار")
        
        age = gr.Number(label="سن", value=DEFAULT_VALUES['age'], 
                       minimum=FIELD_RANGES['age']['min'], maximum=FIELD_RANGES['age']['max'])
        weight = gr.Number(label="وزن (کیلوگرم)", value=DEFAULT_VALUES['weight'], 
                          minimum=FIELD_RANGES['weight']['min'], maximum=FIELD_RANGES['weight']['max'])
        height = gr.Number(label="قد (سانتی‌متر)", value=DEFAULT_VALUES['height'], 
                          minimum=FIELD_RANGES['height']['min'], maximum=FIELD_RANGES['height']['max'])
        
        with gr.Row():
            gravidity = gr.Number(label="تعداد بارداری", value=DEFAULT_VALUES['gravidity'], 
                                 minimum=FIELD_RANGES['gravidity']['min'], maximum=FIELD_RANGES['gravidity']['max'])
            parity = gr.Number(label="تعداد زایمان", value=DEFAULT_VALUES['parity'], 
                              minimum=FIELD_RANGES['parity']['min'], maximum=FIELD_RANGES['parity']['max'])
        
        with gr.Row():
            h_abortion = gr.Number(label="تعداد سقط", value=DEFAULT_VALUES['h_abortion'], 
                                  minimum=FIELD_RANGES['h_abortion']['min'], maximum=FIELD_RANGES['h_abortion']['max'])
            living_child = gr.Number(label="فرزند زنده", value=DEFAULT_VALUES['living_child'], 
                                    minimum=FIELD_RANGES['living_child']['min'], maximum=FIELD_RANGES['living_child']['max'])
        
        gestational_age = gr.Number(label="سن بارداری (هفته)", value=DEFAULT_VALUES['gestational_age'], 
                                   minimum=FIELD_RANGES['gestational_age']['min'], maximum=FIELD_RANGES['gestational_age']['max'])
    
    return age, weight, height, gravidity, parity, h_abortion, living_child, gestational_age

def create_lab_tests_section():
    with gr.Column():
        gr.Markdown("### 🧪 آزمایشات خون")
        
        hemoglobin = gr.Number(label="هموگلوبین", value=DEFAULT_VALUES['hemoglobin'], 
                              minimum=FIELD_RANGES['hemoglobin']['min'], maximum=FIELD_RANGES['hemoglobin']['max'])
        hematocrit = gr.Number(label="هماتوکریت", value=DEFAULT_VALUES['hematocrit'], 
                              minimum=FIELD_RANGES['hematocrit']['min'], maximum=FIELD_RANGES['hematocrit']['max'])
        platelet = gr.Number(label="پلاکت", value=DEFAULT_VALUES['platelet'], 
                            minimum=FIELD_RANGES['platelet']['min'], maximum=FIELD_RANGES['platelet']['max'])
        
        with gr.Row():
            mpv = gr.Number(label="MPV", value=DEFAULT_VALUES['mpv'], 
                           minimum=FIELD_RANGES['mpv']['min'], maximum=FIELD_RANGES['mpv']['max'])
            pdw = gr.Number(label="PDW", value=DEFAULT_VALUES['pdw'], 
                           minimum=FIELD_RANGES['pdw']['min'], maximum=FIELD_RANGES['pdw']['max'])
        
        with gr.Row():
            neutrophil = gr.Number(label="نوتروفیل", value=DEFAULT_VALUES['neutrophil'], 
                                  minimum=FIELD_RANGES['neutrophil']['min'], maximum=FIELD_RANGES['neutrophil']['max'])
            lymphocyte = gr.Number(label="لنفوسیت", value=DEFAULT_VALUES['lymphocyte'], 
                                  minimum=FIELD_RANGES['lymphocyte']['min'], maximum=FIELD_RANGES['lymphocyte']['max'])
    
    return hemoglobin, hematocrit, platelet, mpv, pdw, neutrophil, lymphocyte

def predict_with_explanation(age, weight, height, gravidity, parity, h_abortion, 
                           living_child, gestational_age, hemoglobin, hematocrit, 
                           platelet, mpv, pdw, neutrophil, lymphocyte):
    
    required_fields = [age, weight, height, gravidity, parity, h_abortion, 
                      living_child, gestational_age, hemoglobin, hematocrit, 
                      platelet, mpv, pdw, neutrophil, lymphocyte]
    
    if any(field is None or field == "" for field in required_fields):
        return "⚠️ لطفاً تمام فیلدها را پر کنید", "برای پیش‌بینی دقیق، تمام اطلاعات مورد نیاز است.", None
    
    result, detailed_report, shap_plot = predict_outcome(
        age, weight, height, gravidity, parity, h_abortion, 
        living_child, gestational_age, hemoglobin, hematocrit, 
        platelet, mpv, pdw, neutrophil, lymphocyte
    )
    
    return result, detailed_report, shap_plot

def clear_all_fields():
    return tuple([None] * 17) + ("", "", None)

def load_example(example_name):
    example_data = EXAMPLE_CASES[example_name]
    return tuple(example_data[key] for key in [
        'age', 'weight', 'height', 'gravidity', 'parity', 'h_abortion', 
        'living_child', 'gestational_age', 'hemoglobin', 'hematocrit', 
        'platelet', 'mpv', 'pdw', 'neutrophil', 'lymphocyte'
    ])

def create_interface():
    with gr.Blocks(title=APP_TITLE, theme=gr.themes.Soft(), css=RTL_CSS, head=HTML_HEAD) as demo:
        
        gr.Markdown(f"""
        # {APP_TITLE}
        
        این سیستم با استفاده از مدل هوش مصنوعی **AdaBoost**، احتمال بروز عوارض در بارداری را پیش‌بینی می‌کند.
        
        **📊 عملکرد مدل:** دقت {MODEL_ACCURACY} | AUC {MODEL_AUC}
        
        🔍 **ویژگی‌های سیستم:**
        - پیش‌بینی دقیق با استفاده از هوش مصنوعی
        - تحلیل SHAP برای توضیح تأثیر هر ویژگی
        - گزارش تفصیلی و قابل فهم برای پزشکان
        - نمودار تصویری تأثیر پارامترها
        
        📝 **راهنما:** تمام فیلدها را پر کنید یا از مثال‌های آماده استفاده کنید.
        """)
        
        with gr.Row():
            patient_inputs = create_patient_info_section()
            lab_inputs = create_lab_tests_section()
        
        with gr.Row():
            predict_btn = gr.Button("🔍 پیش‌بینی", variant="primary", size="lg")
            clear_btn = gr.Button("🗑️ پاک کردن", variant="secondary")
        
        with gr.Row():
            with gr.Column(scale=2):
                result_text = gr.Textbox(label="نتیجه پیش‌بینی", lines=2)
                detailed_report = gr.Markdown(label="گزارش تفصیلی")
            
            with gr.Column(scale=1):
                shap_plot = gr.Image(label="نمودار SHAP - تأثیر ویژگی‌ها", type="filepath")
        
        gr.Markdown("---")
        gr.Markdown("## 📚 مثال‌های آماده")
        
        with gr.Row():
            for example_name in EXAMPLE_CASES.keys():
                example_btn = gr.Button(f"📋 {example_name}", variant="secondary")
                example_btn.click(
                    fn=lambda name=example_name: load_example(name),
                    outputs=list(patient_inputs) + list(lab_inputs)
                )
        
        predict_btn.click(
            fn=predict_with_explanation,
            inputs=list(patient_inputs) + list(lab_inputs),
            outputs=[result_text, detailed_report, shap_plot]
        )
        
        clear_btn.click(
            fn=clear_all_fields,
            outputs=list(patient_inputs) + list(lab_inputs) + [result_text, detailed_report, shap_plot]
        )
    
    return demo