Update app.py

app.py

@@ -197,6 +197,39 @@ def _update_progress(progress, value, desc=""):
     if progress is not None:
         progress(value / 100.0, desc=desc)
 
+# ---- Bert Medical ----
+from transformers import pipeline
+
+# Chargement du modèle Hugging Face léger pour interprétation médicale
+med_nlp = pipeline(
+    "text-classification",
+    model="microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract"
+)
+
+def dermato_second_opinion_text(top_class, probs_dict):
+    """
+    Génère un avis médical secondaire à partir du diagnostic et des probabilités.
+    """
+    text_input = (
+        f"Diagnostic automatique : {top_class}. "
+        f"Probabilités associées : " +
+        ", ".join([f"{cls} {p:.1f}%" for cls, p in probs_dict.items()]) + ". "
+        "Fournis un avis médical bref sur le caractère bénin ou malin."
+    )
+
+    try:
+        result = med_nlp(text_input, truncation=True)
+        return f"""
+        <div class='dermato-opinion' style="margin-top:15px;padding:10px;border:1px solid #ccc;border-radius:10px;background:#f9f9f9;">
+            <h4>🩺 Avis médical automatisé</h4>
+            <p><b>Label :</b> {result[0]['label']} (score {result[0]['score']:.2f})</p>
+            <p><i>Ceci est une interprétation automatique et ne remplace pas l’avis d’un dermatologue.</i></p>
+        </div>
+        """
+    except Exception as e:
+        return f"<div class='dermato-opinion'><b>Erreur :</b> {str(e)}</div>"
+# ---- Fin Bert Medical ----
+
 # ---- PREDICT SINGLE ----
 def predict_single(img_input, weights=(0.45, 0.25, 0.3), normalize=True):
     print("🔍 DEBUG GRADIO HARMONISÉ - Début de la prédiction")
@@ -614,7 +647,8 @@ def quick_predict_ui(image_pil):
             output_text_html,
             gr.update(value=warning_html, visible=warning_visible),
             fig,  # Retourner la figure Plotly
-            "✅ Analyse terminée."
+            "✅ Analyse terminée.",
+            dermato_html 
         )
         
     except Exception as e:
@@ -741,6 +775,11 @@ with gr.Blocks(theme=theme, title="Analyse de lésions", css=css) as demo:
             
           # Configuration correcte du BarPlot
             output_plot = gr.Plot(label="Probabilités par classe")
+            # 👉 Nouvelle boîte d'avis médical
+            output_opinion = gr.HTML(
+                value="",
+                elem_classes="dermato-opinion"
+            )
 
     gr.Markdown(f"Ensemble de modèles utilisés : {', '.join(models_status) if models_status else 'AUCUN'}")
     gr.HTML(value="""