Aivanov_scan_ogc/pipeline/prompts.py

"""Prompts GLM-OCR par type de page OGC.

Pour chaque type structuré, on demande un JSON strict. Pour les pages libres
(concertation 2, éléments de preuve…) on sort du texte brut.
"""

# Prompt court pour détecter le type de page depuis l'en-tête.
PROMPT_HEADER = "Text Recognition:"

# --- Page 1 : Fiche médicale de recueil du praticien conseil ---
# Note : accord_desaccord retiré du prompt — géré par pipeline.checkboxes
# (densité de pixels) car GLM-OCR ne sait pas lire les checkboxes
# (cf. test_prompt_crop_v2.py).
#
SCHEMA_RECUEIL = """Lis la fiche médicale OGC et renvoie STRICTEMENT le JSON suivant, sans commentaire ni markdown.
Les codes CIM-10 sont au format lettre + 2 à 4 chiffres (ex: K650, T814).
Les codes CCAM sont au format 4 lettres + 3 chiffres (ex: EBFA012).
Les codes GHM sont au format 2 chiffres + lettre + 3 chiffres (ex: 11M122).
Les codes GHS sont des nombres à 3-5 chiffres (ex: 4323).
Si un champ est illisible, laisse une chaîne vide. Ne devine pas.

{
  "etablissement": "",
  "finess": "",
  "date_debut_controle": "",
  "n_ogc": "",
  "n_champ": "",
  "dates_sejour": "",
  "sejour_etab": {
    "age": "", "sexe": "", "duree_sejour": "",
    "mode_entree": "", "provenance": "",
    "mode_sortie": "", "destination": ""
  },
  "sejour_reco": {
    "age": "", "sexe": "", "duree_sejour": "",
    "mode_entree": "", "provenance": "",
    "mode_sortie": "", "destination": ""
  },
  "rum_etab": {"um": "", "igs": "", "duree": "", "dates": ""},
  "codage_etab": {
    "dp": "", "dp_libelle": "", "dr": "",
    "das": [{"code": "", "position": "", "libelle": ""}]
  },
  "codage_reco": {
    "dp": "", "dr": "",
    "das": [{"code": "", "position": ""}]
  },
  "actes_etab": [{"code": "", "position": "", "libelle": ""}],
  "actes_reco": [{"code": "", "position": ""}],
  "ghm_etab": "", "ghs_etab": "",
  "ghm_reco": "", "ghs_reco": "",
  "recodage_impactant": "",
  "ghs_injustifie": "",
  "praticien_conseil": ""
}"""

# --- Second passage dédié : colonne Recodage de la page recueil ---
# Qwen-VL sous-extrait la colonne droite du tableau Codage quand on lui donne
# la page entière (27% de couverture sur `codage_reco.dp` en V2.0). En lui
# donnant directement un crop zonal de cette seule colonne, il lit beaucoup
# mieux (la structure à une seule colonne lève l'ambiguïté).
#
# Zone cropée (coordonnées relatives dans l'image complète) :
# Zone restreinte au seul bloc codage (DP/DR/DAS de la colonne Recodage).
# On exclut la partie Actes (qui commence autour de y=0.680) pour éviter que
# Qwen confonde les codes CCAM (actes) avec des codes CIM-10 (DAS).
RECUEIL_RECODAGE_ZONE = (0.77, 0.330, 0.97, 0.490)

SCHEMA_RECUEIL_RECODAGE = """Cette image est un extrait d'une colonne d'un tableau médical.
La colonne peut contenir ZÉRO, UN ou PLUSIEURS codes médicaux CIM-10 (format : 1 lettre majuscule + 2 à 4 chiffres, ex: K650, T810, Z954, R31, I652). Un code peut avoir un suffixe `*`. À droite d'un code, une position numérique (1-9) peut être visible.

IMPORTANT — LIS UNIQUEMENT CE QUI EST PHYSIQUEMENT VISIBLE :
- La plupart des lignes de ce tableau sont VIDES. C'est NORMAL.
- Ne liste QUE les codes effectivement écrits dans l'image. N'INVENTE rien.
- Si l'image ne contient qu'un seul code, ta réponse doit lister exactement un code (pas plusieurs).
- Si l'image ne contient aucun code, renvoie `"codes": []`.
- Ne déduis pas les codes d'autres cases non montrées dans l'image.

Pour chaque code réellement visible, indique sa position à droite si elle est écrite, sinon "".

Renvoie STRICTEMENT ce JSON, sans commentaire ni markdown :
{
  "codes": [
    {"code": "", "position": ""}
  ]
}"""


# --- Page 5 : Fiche administrative de concertation 2/2 (décision finale) ---
SCHEMA_CONCERTATION_2 = """Lis la fiche de concertation et renvoie STRICTEMENT le JSON suivant, sans commentaire ni markdown.
Si un champ est illisible, laisse une chaîne vide.

{
  "ghs_initial": "",
  "ghs_avant_concertation": "",
  "ghs_final": "",
  "decision": "",
  "date_concertation": "",
  "praticien_controleur": "",
  "medecin_dim": ""
}

Pour "decision", choisis UNIQUEMENT une de ces valeurs selon la case cochée :
- "maintien_avis_controleur" si "Maintien de l'avis initial" est coché
- "retour_groupage_dim" si "Retour groupage initial DIM" est coché
- "autre_groupage" si "Autre groupage" est coché
- "" si rien n'est coché"""

# --- Page 6 : Fiche administrative de concertation 1/2 (argumentaire) ---
SCHEMA_CONCERTATION_1 = """Lis la fiche d'argumentaire du médecin contrôleur et renvoie STRICTEMENT le JSON suivant, sans commentaire ni markdown.

{
  "date_concertation": "",
  "argumentaire": ""
}

Pour "argumentaire", transcris TOUT le paragraphe sous "ARGUMENTAIRE DU MEDECIN CONTROLEUR" tel quel, sans reformuler."""

# --- Page 4 : Éléments de preuve ---
SCHEMA_PREUVES = """Lis le tableau des éléments de preuve et renvoie STRICTEMENT le JSON suivant, sans commentaire ni markdown.
Pour chaque ligne, indique si la case "Présent" ou "Photocopié" est cochée (true/false).

{
  "date": "",
  "praticien_controleur": "",
  "medecin_dim": "",
  "pieces": [
    {"intitule": "", "present": false, "photocopie": false, "absent_date": "", "date_obtention": ""}
  ]
}"""

# Types de page reconnus
PAGE_TYPES = {
    "recueil":        {"keywords": ["RECUEIL DU PRATICIEN"],           "prompt": SCHEMA_RECUEIL},
    "concertation_2": {"keywords": ["CONCERTATION 2/2"],               "prompt": SCHEMA_CONCERTATION_2},
    "concertation_1": {"keywords": ["CONCERTATION 1/2"],               "prompt": SCHEMA_CONCERTATION_1},
    "preuves":        {"keywords": ["ELEMENTS DE PREUVE", "PREUVE"],   "prompt": SCHEMA_PREUVES},
    "concertation_med": {"keywords": ["FICHE MEDICALE DE CONCERTATION"], "prompt": PROMPT_HEADER},
    "hospitalisation":{"keywords": ["SEJOUR D'HOSPITALISATION", "HOSPITALISATION COMPLETE"], "prompt": PROMPT_HEADER},
}