feat: résumé clinique enrichi + preuves cliniques + validation QC batch

Améliore la qualité du codage CIM-10 sur 3 axes :
- Contexte clinique enrichi (interprétations bio, traitements indicatifs, marqueurs sévérité)
- Preuves cliniques structurées par diagnostic (evidence linking dans le prompt LLM)
- Validation batch post-codage (1 appel LLM/dossier, ajustement confiance, alertes QC)

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

src/medical/rag_search.py

@@ -6,12 +6,13 @@ import logging
 from concurrent.futures import ThreadPoolExecutor, as_completed
 
 from ..config import (
-    ActeCCAM, Diagnostic, DossierMedical, RAGSource,
+    ActeCCAM, Diagnostic, DossierMedical, PreuveClinique, RAGSource,
     OLLAMA_CACHE_PATH, OLLAMA_MAX_PARALLEL, OLLAMA_MODEL,
     EMBEDDING_MODEL, RERANKER_MODEL,
 )
 from .cim10_dict import normalize_code, validate_code as cim10_validate, fallback_parent_code
 from .cim10_extractor import BIO_NORMALS
+from .clinical_context import build_enriched_context, format_enriched_context
 from .ccam_dict import validate_code as ccam_validate
 from .ollama_client import call_ollama, parse_json_response
 from .ollama_cache import OllamaCache
@@ -347,7 +348,7 @@ def _build_prompt(texte: str, sources: list[dict], contexte: dict, est_dp: bool
         sources_text += (src.get("extrait", "")[:800]) + "\n\n"
 
     type_diag = "DP (diagnostic principal)" if est_dp else "DAS (diagnostic associé significatif)"
-    ctx_str = _format_contexte(contexte)
+    ctx_str = format_enriched_context(contexte)
 
     return f"""Tu es un médecin DIM (Département d'Information Médicale) expert en codage PMSI.
 Tu dois coder le diagnostic suivant en respectant STRICTEMENT les règles de l'ATIH.
@@ -377,7 +378,10 @@ Réponds UNIQUEMENT avec un objet JSON au format suivant, sans aucun texte avant
   "regle_pmsi": "conformité aux règles PMSI pour un {type_diag} (guide méthodologique)",
   "code": "X99.9",
   "confidence": "high ou medium ou low",
-  "justification": "explication courte en français"
+  "justification": "explication courte en français",
+  "preuves_cliniques": [
+    {{"type": "biologie|imagerie|traitement|acte|clinique", "element": "élément concret du dossier", "interpretation": "signification clinique justifiant le code"}}
+  ]
 }}"""
 
 
@@ -398,7 +402,7 @@ def _build_prompt_ccam(texte: str, sources: list[dict], contexte: dict) -> str:
         sources_text += f"--- Source {i}: {doc_name}{code_info}{page_info} ---\n"
         sources_text += (src.get("extrait", "")[:800]) + "\n\n"
 
-    ctx_str = _format_contexte(contexte)
+    ctx_str = format_enriched_context(contexte)
 
     return f"""Tu es un médecin DIM (Département d'Information Médicale) expert en codage CCAM PMSI.
 Tu dois coder l'acte chirurgical/médical suivant en respectant STRICTEMENT la nomenclature CCAM.
@@ -498,6 +502,20 @@ def _apply_llm_result_diagnostic(diagnostic: Diagnostic, llm_result: dict) -> No
     if raisonnement:
         diagnostic.raisonnement = raisonnement
 
+    # Stocker les preuves cliniques
+    preuves = llm_result.get("preuves_cliniques", [])
+    if preuves and isinstance(preuves, list):
+        for p in preuves:
+            if isinstance(p, dict) and p.get("element"):
+                try:
+                    diagnostic.preuves_cliniques.append(PreuveClinique(
+                        type=p.get("type", "clinique"),
+                        element=p["element"],
+                        interpretation=p.get("interpretation", ""),
+                    ))
+                except Exception:
+                    pass
+
 
 def enrich_diagnostic(
     diagnostic: Diagnostic,
@@ -621,7 +639,7 @@ def enrich_acte(acte: ActeCCAM, contexte: dict, cache: OllamaCache | None = None
 
 def _build_prompt_das_extraction(text: str, contexte: dict, existing_das: list[str], dp_texte: str) -> str:
     """Construit le prompt pour l'extraction LLM de DAS supplémentaires."""
-    ctx_str = _format_contexte(contexte)
+    ctx_str = format_enriched_context(contexte)
     existing_str = "\n".join(f"- {d}" for d in existing_das) if existing_das else "Aucun"
 
     return f"""Tu es un médecin DIM (Département d'Information Médicale) expert en codage PMSI.
@@ -723,16 +741,7 @@ def enrich_dossier(dossier: DossierMedical) -> None:
     """
     cache = OllamaCache(OLLAMA_CACHE_PATH, OLLAMA_MODEL)
 
-    contexte = {
-        "sexe": dossier.sejour.sexe,
-        "age": dossier.sejour.age,
-        "duree_sejour": dossier.sejour.duree_sejour,
-        "imc": dossier.sejour.imc,
-        "antecedents": dossier.antecedents[:5],
-        "biologie_cle": [(b.test, b.valeur, b.anomalie) for b in dossier.biologie_cle],
-        "imagerie": [(i.type, (i.conclusion or "")[:200]) for i in dossier.imagerie],
-        "complications": dossier.complications,
-    }
+    contexte = build_enriched_context(dossier)
 
     # Phase 1 : DP seul (le contexte DAS en dépend)
     if dossier.diagnostic_principal: