refactor: split cpam_response → cpam_rag, cpam_context, cpam_validation

Découpe le monolithe cpam_response.py (1207L) en 3 modules spécialisés :
- cpam_rag.py : recherche RAG ciblée (5 requêtes, dédup)
- cpam_context.py : construction prompt, définitions CIM-10, bio summary
- cpam_validation.py : grounding, références, codes fermée, adversariale

Le cpam_response.py reste orchestrateur (~230L) avec re-exports
backward-compat. Mocks des tests mis à jour pour cibler les bons modules.
Ajout RULE-CPAM-CORRECTION-LOOP dans base.yaml. 748 tests passent.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
dom
2026-02-20 10:06:26 +01:00
parent e760b12961
commit 3c070f3c1d
6 changed files with 1553 additions and 833 deletions

532
src/control/cpam_context.py Normal file
View File

@@ -0,0 +1,532 @@
"""Construction du contexte et du prompt pour la contre-argumentation CPAM."""
from __future__ import annotations
import logging
import re
from ..config import ControleCPAM, DossierMedical
from ..medical.bio_normals import BIO_NORMALS
from ..medical.cim10_dict import normalize_code, validate_code
from ..prompts import CPAM_ARGUMENTATION
logger = logging.getLogger(__name__)
def _get_code_label(code_str: str) -> str:
"""Résout le libellé CIM-10 pour un ou plusieurs codes."""
codes = re.split(r"[,;\s]+", code_str.strip())
labels = []
for raw in codes:
raw = raw.strip()
if not raw:
continue
norm = normalize_code(raw)
is_valid, label = validate_code(norm)
if is_valid and label:
labels.append(f"{norm}{label}")
else:
labels.append(norm)
if not labels:
return ""
if len(labels) == 1:
parts = labels[0].split("", 1)
return f"{parts[1]}" if len(parts) > 1 else ""
return "\n " + "\n ".join(labels)
def _get_cim10_definitions(
dossier: DossierMedical,
controle: ControleCPAM,
) -> str:
"""Construit une section de définitions CIM-10 déterministes pour tous les codes en jeu.
Collecte les codes depuis :
- Le dossier : DP (cim10_suggestion) + DAS (cim10_suggestion)
- L'UCR : dp_ucr, da_ucr, dr_ucr
Returns:
Texte formaté pour injection dans le prompt, ou "" si aucun code résolu.
"""
codes_seen: dict[str, str] = {} # code normalisé → rôle (pour affichage)
# Codes du dossier (établissement)
if dossier.diagnostic_principal and dossier.diagnostic_principal.cim10_suggestion:
code = dossier.diagnostic_principal.cim10_suggestion
codes_seen[normalize_code(code)] = "DP établissement"
for das in dossier.diagnostics_associes:
if das.cim10_suggestion:
norm = normalize_code(das.cim10_suggestion)
if norm not in codes_seen:
codes_seen[norm] = "DAS établissement"
# Codes de l'UCR (CPAM)
for field, role in [
(controle.dp_ucr, "DP proposé UCR"),
(controle.da_ucr, "DA proposé UCR"),
(controle.dr_ucr, "DR proposé UCR"),
]:
if not field:
continue
for raw in re.split(r"[,;\s]+", field.strip()):
raw = raw.strip()
if not raw:
continue
norm = normalize_code(raw)
if norm not in codes_seen:
codes_seen[norm] = role
if not codes_seen:
return ""
# Résoudre les libellés
lines = []
for norm_code, role in codes_seen.items():
is_valid, label = validate_code(norm_code)
if is_valid and label:
lines.append(f" {norm_code}{label} [{role}]")
else:
lines.append(f" {norm_code} — (code non trouvé dans le dictionnaire) [{role}]")
if not lines:
return ""
return (
"\nDÉFINITIONS CIM-10 — RÉFÉRENCE (source : dictionnaire officiel) :\n"
+ "\n".join(lines)
)
def _build_tagged_context(dossier: DossierMedical) -> tuple[str, dict[str, str]]:
"""Construit un contexte clinique avec des tags de référence pour le grounding.
Chaque élément clinique reçoit un tag unique ([BIO-1], [IMG-1], [TRT-1], [ACTE-1])
que le LLM doit citer dans ses preuves pour garantir la traçabilité.
Returns:
(texte tagué pour injection dans le prompt, dict tag → contenu original)
"""
tag_map: dict[str, str] = {}
lines: list[str] = []
# Biologie (avec normes de référence pour éviter les hallucinations)
for i, b in enumerate(dossier.biologie_cle, 1):
if not b.valeur:
continue
tag = f"BIO-{i}"
# Interpréter la valeur par rapport aux normes connues
norm_info = ""
if b.test in BIO_NORMALS:
lo, hi = BIO_NORMALS[b.test]
try:
val = float(b.valeur.replace(",", ".").split()[0])
if val > hi:
norm_info = f" — ÉLEVÉ (norme {lo}-{hi})"
elif val < lo:
norm_info = f" — BAS (norme {lo}-{hi})"
else:
norm_info = f" — NORMAL (norme {lo}-{hi})"
except (ValueError, AttributeError):
pass
content = f"{b.test}: {b.valeur}{norm_info}"
tag_map[tag] = content
lines.append(f" [{tag}] {content}")
# Imagerie
for i, im in enumerate(dossier.imagerie, 1):
tag = f"IMG-{i}"
conclusion = f"{im.conclusion}" if im.conclusion else ""
content = f"{im.type}{conclusion}"
tag_map[tag] = content
lines.append(f" [{tag}] {content}")
# Traitements
for i, t in enumerate(dossier.traitements_sortie[:10], 1):
tag = f"TRT-{i}"
posologie = f" {t.posologie}" if t.posologie else ""
content = f"{t.medicament}{posologie}"
tag_map[tag] = content
lines.append(f" [{tag}] {content}")
# Actes CCAM
for i, a in enumerate(dossier.actes_ccam, 1):
tag = f"ACTE-{i}"
code = f" ({a.code_ccam_suggestion})" if a.code_ccam_suggestion else ""
content = f"{a.texte}{code}"
tag_map[tag] = content
lines.append(f" [{tag}] {content}")
if not lines:
return "", tag_map
text = "ÉLÉMENTS CLINIQUES RÉFÉRENCÉS (cite le tag [XX-N] dans tes preuves) :\n" + "\n".join(lines)
return text, tag_map
# Interprétations cliniques pour le résumé bio déterministe
_BIO_INTERPRETATION: dict[str, dict[str, str]] = {
"CRP": {"high": "infection/inflammation active", "low": "normal", "normal": "pas d'inflammation"},
"Hémoglobine": {"high": "polyglobulie", "low": "anémie", "normal": "pas d'anémie"},
"Plaquettes": {"high": "thrombocytose", "low": "thrombopénie", "normal": "numération normale"},
"Leucocytes": {"high": "hyperleucocytose", "low": "leucopénie", "normal": "numération normale"},
"Créatinine": {"high": "insuffisance rénale", "low": "normal", "normal": "fonction rénale conservée"},
"Potassium": {"high": "hyperkaliémie", "low": "hypokaliémie", "normal": "kaliémie normale"},
"Sodium": {"high": "hypernatrémie", "low": "hyponatrémie", "normal": "natrémie normale"},
"Lipasémie": {"high": "pancréatite probable", "low": "normal", "normal": "pas de pancréatite"},
"ASAT": {"high": "cytolyse hépatique", "low": "normal", "normal": "pas de cytolyse"},
"ALAT": {"high": "cytolyse hépatique", "low": "normal", "normal": "pas de cytolyse"},
"GGT": {"high": "cholestase/atteinte hépatique", "low": "normal", "normal": "pas de cholestase"},
"Bilirubine totale": {"high": "ictère/cholestase", "low": "normal", "normal": "pas d'ictère"},
}
def _build_bio_summary(dossier: DossierMedical) -> str:
"""Construit un résumé biologique déterministe à injecter dans le prompt.
Chaque valeur bio est interprétée contre BIO_NORMALS avec une conclusion
non ambiguë que le LLM ne doit pas modifier.
Returns:
Texte formaté ou "" si aucune biologie exploitable.
"""
if not dossier.biologie_cle:
return ""
lines: list[str] = []
for b in dossier.biologie_cle:
if not b.valeur or b.test not in BIO_NORMALS:
continue
try:
val = float(b.valeur.replace(",", ".").split()[0])
except (ValueError, AttributeError):
continue
lo, hi = BIO_NORMALS[b.test]
if val > hi:
status = "ÉLEVÉ"
interp_key = "high"
elif val < lo:
status = "BAS"
interp_key = "low"
else:
status = "NORMAL"
interp_key = "normal"
interp = _BIO_INTERPRETATION.get(b.test, {}).get(interp_key, "")
interp_str = f"{interp}" if interp else ""
lines.append(f"{b.test} = {b.valeur}{status} (norme {lo}-{hi}){interp_str}")
if not lines:
return ""
return (
"FAITS BIOLOGIQUES VÉRIFIÉS (NE PAS MODIFIER ces interprétations) :\n"
+ "\n".join(lines)
+ "\n\nRÈGLE STRICTE : si tu cites une valeur biologique, tu DOIS utiliser "
"l'interprétation ci-dessus.\n"
"Ne qualifie JAMAIS une valeur NORMAL comme pathologique, "
"ni une valeur ÉLEVÉ/BAS comme normale."
)
def _check_das_bio_coherence(dossier: DossierMedical) -> list[str]:
"""Vérifie la cohérence entre les textes DAS et les valeurs biologiques.
Détecte les contradictions comme "leucocytose" dans un DAS alors que
les leucocytes sont bas, ou "anémie" alors que l'hémoglobine est normale.
Returns:
Liste de warnings pour les incohérences détectées.
"""
if not dossier.diagnostics_associes or not dossier.biologie_cle:
return []
# Patterns DAS → (test bio attendu, direction attendue)
_DAS_BIO_CHECKS: dict[str, tuple[str, str]] = {
"leucocytose": ("Leucocytes", "high"),
"leucopénie": ("Leucocytes", "low"),
"leucopenie": ("Leucocytes", "low"),
"thrombocytose": ("Plaquettes", "high"),
"thrombocytopénie": ("Plaquettes", "low"),
"thrombocytopenie": ("Plaquettes", "low"),
"thrombopénie": ("Plaquettes", "low"),
"thrombopenie": ("Plaquettes", "low"),
"anémie": ("Hémoglobine", "low"),
"anemie": ("Hémoglobine", "low"),
"polyglobulie": ("Hémoglobine", "high"),
"hyperkaliémie": ("Potassium", "high"),
"hypokaliémie": ("Potassium", "low"),
}
# Indexer les valeurs bio disponibles
bio_values: dict[str, float] = {}
for b in dossier.biologie_cle:
if b.test and b.valeur:
try:
bio_values[b.test] = float(b.valeur.replace(",", ".").split()[0])
except (ValueError, AttributeError):
pass
warnings: list[str] = []
for das in dossier.diagnostics_associes:
texte_lower = (das.texte or "").lower()
for pattern, (bio_test, direction) in _DAS_BIO_CHECKS.items():
if pattern not in texte_lower:
continue
if bio_test not in bio_values or bio_test not in BIO_NORMALS:
continue
val = bio_values[bio_test]
lo, hi = BIO_NORMALS[bio_test]
if direction == "high" and val <= hi:
warnings.append(
f"INCOHÉRENCE : DAS « {das.texte} » ({das.cim10_suggestion or '?'}) "
f"mais {bio_test} = {val} est NORMAL (norme {lo}-{hi})"
)
elif direction == "low" and val >= lo:
warnings.append(
f"INCOHÉRENCE : DAS « {das.texte} » ({das.cim10_suggestion or '?'}) "
f"mais {bio_test} = {val} est NORMAL (norme {lo}-{hi})"
)
if warnings:
for w in warnings:
logger.warning(" DAS/bio : %s", w)
return warnings
def _build_cpam_prompt(
dossier: DossierMedical,
controle: ControleCPAM,
sources: list[dict],
extraction: dict | None = None,
) -> tuple[str, dict[str, str]]:
"""Construit le prompt pour la contre-argumentation CPAM.
Args:
extraction: Résultat optionnel de la passe 1 (extraction structurée).
Returns:
(prompt texte, tag_map pour validation grounding)
"""
# Résumé du dossier médical
dossier_lines = []
if dossier.diagnostic_principal:
dp = dossier.diagnostic_principal
dp_code = f" ({dp.cim10_suggestion})" if dp.cim10_suggestion else ""
dossier_lines.append(f"- DP : {dp.texte}{dp_code}")
elif controle.dp_ucr:
dp_label = _get_code_label(controle.dp_ucr)
dossier_lines.append(
f"- DP : code {controle.dp_ucr}{dp_label} "
f"(codé par l'établissement, contesté par la CPAM)"
)
if dossier.diagnostics_associes:
das_parts = []
for das in dossier.diagnostics_associes:
code = f" ({das.cim10_suggestion})" if das.cim10_suggestion else ""
das_parts.append(f"{das.texte}{code}")
dossier_lines.append(f"- DAS : {', '.join(das_parts)}")
if dossier.actes_ccam:
actes = [f"{a.texte} ({a.code_ccam_suggestion})" if a.code_ccam_suggestion else a.texte
for a in dossier.actes_ccam]
dossier_lines.append(f"- Actes CCAM : {', '.join(actes)}")
sejour = dossier.sejour
if sejour.duree_sejour is not None:
dossier_lines.append(f"- Durée séjour : {sejour.duree_sejour} jours")
if sejour.sexe or sejour.age is not None:
patient_info = []
if sejour.sexe:
patient_info.append(sejour.sexe)
if sejour.age is not None:
patient_info.append(f"{sejour.age} ans")
if sejour.age < 18:
patient_info.append("(PÉDIATRIE — codage pédiatrique applicable)")
elif sejour.age >= 80:
patient_info.append("(patient âgé — comorbidités fréquentes)")
dossier_lines.append(f"- Patient : {', '.join(patient_info)}")
if sejour.mode_entree:
mode_label = sejour.mode_entree
if "urgence" in mode_label.lower() or "urgent" in mode_label.lower():
dossier_lines.append(f"- Mode d'entrée : {mode_label} (ADMISSION EN URGENCE)")
else:
dossier_lines.append(f"- Mode d'entrée : {mode_label}")
if sejour.mode_sortie:
dossier_lines.append(f"- Mode de sortie : {sejour.mode_sortie}")
if sejour.imc is not None:
dossier_lines.append(f"- IMC : {sejour.imc}")
if dossier.biologie_cle:
bio = [f"{b.test}: {b.valeur}" for b in dossier.biologie_cle[:5] if b.valeur]
if bio:
dossier_lines.append(f"- Biologie clé : {', '.join(bio)}")
if dossier.imagerie:
img_parts = []
for im in dossier.imagerie:
conclusion = f"{im.conclusion}" if im.conclusion else ""
img_parts.append(f"{im.type}{conclusion}")
dossier_lines.append(f"- Imagerie : {', '.join(img_parts)}")
if dossier.traitements_sortie:
trt_parts = []
for t in dossier.traitements_sortie[:10]:
posologie = f" {t.posologie}" if t.posologie else ""
trt_parts.append(f"{t.medicament}{posologie}")
dossier_lines.append(f"- Traitements de sortie : {', '.join(trt_parts)}")
if dossier.antecedents:
dossier_lines.append(f"- Antécédents : {', '.join(a.texte for a in dossier.antecedents[:10])}")
if dossier.complications:
dossier_lines.append(f"- Complications : {', '.join(c.texte for c in dossier.complications)}")
dossier_str = "\n".join(dossier_lines) if dossier_lines else "Non disponible"
# Section asymétrie : éléments que la CPAM n'avait pas
asymetrie_lines = []
if dossier.biologie_cle:
bio_details = []
for b in dossier.biologie_cle if len(dossier.biologie_cle) <= 10 else dossier.biologie_cle[:10]:
anomalie = " (anormale)" if b.anomalie else ""
if b.valeur:
bio_details.append(f"{b.test}: {b.valeur}{anomalie}")
if bio_details:
asymetrie_lines.append(f"- Biologie : {', '.join(bio_details)}")
if dossier.imagerie:
img_details = []
for im in dossier.imagerie:
conclusion = f"{im.conclusion}" if im.conclusion else ""
img_details.append(f"{im.type}{conclusion}")
if img_details:
asymetrie_lines.append(f"- Imagerie : {', '.join(img_details)}")
if dossier.traitements_sortie:
trt_details = []
for t in dossier.traitements_sortie[:10]:
posologie = f" {t.posologie}" if t.posologie else ""
trt_details.append(f"{t.medicament}{posologie}")
if trt_details:
asymetrie_lines.append(f"- Traitements : {', '.join(trt_details)}")
if dossier.actes_ccam:
actes_details = [
f"{a.texte} ({a.code_ccam_suggestion})" if a.code_ccam_suggestion else a.texte
for a in dossier.actes_ccam
]
if actes_details:
asymetrie_lines.append(f"- Actes CCAM : {', '.join(actes_details)}")
asymetrie_str = ""
if asymetrie_lines:
asymetrie_str = (
"\n\nÉLÉMENTS DU DOSSIER NON TRANSMIS À LA CPAM "
"(l'UCR n'a eu que le CRH et les codes) :\n"
+ "\n".join(asymetrie_lines)
)
# Codes contestés par la CPAM (avec libellés CIM-10 résolus)
codes_contestes = []
if controle.dp_ucr:
codes_contestes.append(f"DP proposé par UCR : {controle.dp_ucr}{_get_code_label(controle.dp_ucr)}")
if controle.da_ucr:
codes_contestes.append(f"DA proposés par UCR : {controle.da_ucr}{_get_code_label(controle.da_ucr)}")
if controle.dr_ucr:
codes_contestes.append(f"DR proposé par UCR : {controle.dr_ucr}{_get_code_label(controle.dr_ucr)}")
if controle.actes_ucr:
codes_contestes.append(f"Actes proposés par UCR : {controle.actes_ucr}")
codes_str = "\n".join(codes_contestes) if codes_contestes else "Aucun code spécifique proposé"
# Définitions CIM-10 déterministes (tous les codes en jeu)
definitions_str = _get_cim10_definitions(dossier, controle)
# Contexte clinique tagué pour le grounding
tagged_context, tag_map = _build_tagged_context(dossier)
if tagged_context:
tagged_str = f"\n\n{tagged_context}"
else:
tagged_str = (
"\n\nATTENTION — DOSSIER PAUVRE EN ÉLÉMENTS CLINIQUES :\n"
"Aucune biologie, imagerie, traitement ou acte CCAM disponible.\n"
"Ne spécule PAS sur des éléments absents. Signale explicitement "
"le manque de données au lieu d'inventer des preuves."
)
# Résumé biologique déterministe (interprétations non modifiables par le LLM)
bio_summary = _build_bio_summary(dossier)
if bio_summary:
tagged_str += f"\n\n{bio_summary}"
# Vérification cohérence DAS / biologie
das_bio_warnings = _check_das_bio_coherence(dossier)
if das_bio_warnings:
tagged_str += (
"\n\nALERTES COHÉRENCE DAS / BIOLOGIE (incohérences détectées dans le dossier) :\n"
+ "\n".join(f" - {w}" for w in das_bio_warnings)
+ "\n Prends en compte ces incohérences dans ton analyse."
)
# Sources RAG
sources_text = ""
for i, src in enumerate(sources, 1):
doc_name = {
"cim10": "CIM-10 FR 2026",
"cim10_alpha": "CIM-10 Index Alphabétique 2026",
"guide_methodo": "Guide Méthodologique MCO 2026",
"ccam": "CCAM PMSI V4 2025",
}.get(src.get("document", ""), src.get("document", ""))
code_info = f" (code: {src['code']})" if src.get("code") else ""
page_info = f" [page {src['page']}]" if src.get("page") else ""
sources_text += f"--- Source {i}: {doc_name}{code_info}{page_info} ---\n"
sources_text += (src.get("extrait", "")[:800]) + "\n\n"
# Section pré-analyse (résultat passe 1, si disponible)
extraction_str = ""
if extraction:
ext_lines = []
comp = extraction.get("comprehension_contestation")
if comp:
ext_lines.append(f"Compréhension : {comp}")
elems = extraction.get("elements_cliniques_pertinents", [])
if elems and isinstance(elems, list):
elem_strs = []
for e in elems:
if isinstance(e, dict):
elem_strs.append(f" - [{e.get('tag', '?')}] {e.get('pertinence', '')}")
if elem_strs:
ext_lines.append("Éléments pertinents :\n" + "\n".join(elem_strs))
accords = extraction.get("points_accord_potentiels", [])
if accords and isinstance(accords, list):
ext_lines.append("Points d'accord potentiels : " + " ; ".join(str(a) for a in accords))
codes = extraction.get("codes_en_jeu", {})
if codes and isinstance(codes, dict):
diff = codes.get("difference_cle", "")
if diff:
ext_lines.append(f"Différence clé entre les codages : {diff}")
if ext_lines:
extraction_str = (
"\nPRÉ-ANALYSE (extraction automatique — à utiliser comme base) :\n"
+ "\n".join(ext_lines)
)
prompt = CPAM_ARGUMENTATION.format(
dossier_str=dossier_str,
asymetrie_str=asymetrie_str,
tagged_str=tagged_str,
titre=controle.titre,
arg_ucr=controle.arg_ucr,
decision_ucr=controle.decision_ucr,
codes_str=codes_str,
definitions_str=definitions_str,
sources_text=sources_text,
extraction_str=extraction_str,
)
return prompt, tag_map