app.py

from flask import Flask, request
from flask_cors import CORS
from flask_restx import Api, Resource, fields
import joblib
import re
import os
import warnings

# --- Mecab 포팅 라이브러리 임포트 (Konlpy 대체) ---
# Render/Linux 환경에서 순수 Python으로 설치 가능한 MeCab 포팅 버전을 사용합니다.
# (예: mecab-python-ko 또는 유사 패키지)
try:
    from mecab import MeCab  # pip install mecab

    # 만약 'mecab'이 설치되지 않았다면 이 줄을 주석 처리하고 아래의 '순수 Python 임시 토크나이저'를 사용하세요.
    USE_MECAB = True
except ImportError:
    print("Mecab 라이브러리를 찾을 수 없습니다. 순수 Python 임시 분석기로 대체합니다.")
    USE_MECAB = False

# 경고 메시지 무시
warnings.filterwarnings('ignore')

# --- Flask 앱 설정 ---
app = Flask(__name__)
CORS(app)
api = Api(app, version='1.0', title='AI 헬스케어 API',
          description='Mecab을 활용한 증상 분석 API (순수 Python 환경)')

# --- AI 모델 및 MeCab 로드 (Eager Loading - 서버 시작 시 초기화) ---
tagger = None  # 전역 MeCab 인스턴스
try:
    # 1. 모델 로드
    model = joblib.load('medical_department_model.pkl')
    vectorizer = joblib.load('tfidf_vectorizer.pkl')
    le_department = joblib.load('department_label_encoder.pkl')

    # 2. MeCab 초기화 (Java 의존성 제거)
    if USE_MECAB:
        tagger = MeCab()
    print("AI 모델과 Mecab 분석기가 성공적으로 로드 및 초기화되었습니다.")

except FileNotFoundError as e:
    print(f"모델 파일 로드 실패: {e}")
    model, vectorizer, le_department = None, None, None
except Exception as e:
    # Mecab 초기화 실패 시 (예: MeCab 사전 경로 문제)
    print(f"MeCab 초기화 실패: {e}")
    tagger = None

# --- 불용어 정의 ---
stopwords = ['좀', '요', '가', '이', '은', '는', '으로', '와', '과', '에', '을', '를', '도', '고', '다', '아요', '어요']


# --- 텍스트 전처리 (MeCab 사용) ---
def preprocess_text(text):
    # MeCab 초기화에 실패했다면 전처리 불가
    if tagger is None and USE_MECAB:
        raise Exception("한국어 분석기(MeCab)가 준비되지 않았습니다.")

    text = re.sub(r'[^가-힣\s]', '', text)

    if USE_MECAB:
        # Mecab을 사용하여 형태소 분석 및 어간 추출 (Konlpy의 Okt.morphs(stem=True) 효과)
        # MeCab은 '명사', '동사', '형용사' 등을 사용하며, 여기서는 명시적인 분석 기준을 적용해야 합니다.
        tokens = tagger.morphs(text)
        # 실제 예측에 유의미한 품사(NNG: 일반 명사, VV: 동사, VA: 형용사 등)만 남기는 로직이 필요

        # 임시로 '명사'와 '동사 어간'만 남기는 단순화된 로직 적용
        processed_tokens = []
        for token_pos in tagger.pos(text):
            word, pos = token_pos
            # 명사(NN)와 동사/형용사(V*)만 남기고, 어간 추출은 Mecab이 기본으로 처리한다고 가정
            if pos.startswith('N') or pos.startswith('V') or pos.startswith('J') or pos.startswith('E'):
                processed_tokens.append(word)

        filtered_tokens = [word for word in processed_tokens if word not in stopwords and len(word) > 1]
    else:
        # MeCab 로드 실패 시, 임시로 띄어쓰기 기준으로만 토큰화합니다. (정확도 낮음)
        filtered_tokens = [word for word in text.split() if word not in stopwords and len(word) > 1]

    return ' '.join(filtered_tokens)


# --- 네임스페이스 및 모델 정의 ---
ns_predict = api.namespace('predict', description='증상 기반 진료과 예측')
symptom_model = ns_predict.model('SymptomRequest', {
    'symptoms': fields.String(required=True, description='환자의 증상 텍스트'),
})


# --- 증상 기반 진료과 예측 ---
@ns_predict.route('/')
class Predict(Resource):
    @ns_predict.doc(body=symptom_model, summary='증상을 바탕으로 진료과를 예측합니다.')
    def post(self):
        # 1. AI 모델 로드 실패 시 즉시 500 에러 반환
        if not model or not vectorizer or not le_department:
            return {'error': '서버에 AI 모델이 준비되지 않았습니다.'}, 500

        # 2. Mecab 초기화 실패 시 500 에러 반환
        if tagger is None and USE_MECAB:
            return {'error': '한국어 분석기(MeCab) 초기화 실패. 라이브러리 설치를 확인하세요.'}, 500

        try:
            data = ns_predict.payload
            symptom_text = data['symptoms']

            # Mecab을 사용한 텍스트 전처리 수행
            preprocessed = preprocess_text(symptom_text)

            if not preprocessed:
                return {'recommended_department': '증상을 명확히 말씀해주세요.'}, 400

            # 예측 로직
            symptoms_vectorized = vectorizer.transform([preprocessed])
            predicted_encoded = model.predict(symptoms_vectorized)[0]
            predicted_department = le_department.inverse_transform([int(predicted_encoded)])[0]

            return {'recommended_department': predicted_department}, 200
        except Exception as e:
            # 예측 또는 전처리 중 오류 발생
            print(f"서버 오류 발생: {e}")
            return {'error': str(e)}, 500

@ns_predict.route('/save_user_data')
class SaveUserData(Resource):
    def post(self):
        try:
            pass  # TODO: 구현
        except Exception as e:
            return {"error": str(e)}, 500


# --- Flask 실행 ---
if __name__ == '__main__':
    # PORT 환경 변수를 사용하도록 설정 (클라우드 배포 표준)
    port = int(os.environ.get('PORT', 10000))
    app.run(host='0.0.0.0', port=port, debug=False)