"""Extraction des diagnostics (DP, DAS) et actes CCAM depuis le texte médical.""" from __future__ import annotations import logging import re from typing import Optional from .cim10_dict import lookup as dict_lookup, normalize_text, validate_code as cim10_validate from .ccam_dict import lookup as ccam_lookup, validate_code as ccam_validate from .das_filter import clean_diagnostic_text, is_valid_diagnostic_text, expand_medical_abbreviations from ..config import ActeCCAM, Diagnostic, DossierMedical try: from .edsnlp_pipeline import EdsnlpResult except ImportError: EdsnlpResult = None # type: ignore[assignment,misc] logger = logging.getLogger(__name__) # Mapping diagnostics fréquents → codes CIM-10 CIM10_MAP: dict[str, str] = { # Pancréatite "pancréatite aiguë biliaire": "K85.1", "pancréatite aigue biliaire": "K85.1", "pancréatite aiguë lithiasique": "K85.1", "pancréatite aigue lithiasique": "K85.1", "pancréatite aiguë": "K85.9", "pancréatite aigue": "K85.9", "pancréatite": "K85.9", # Lithiases biliaires "lithiase cholédoque": "K80.5", "lithiase du cholédoque": "K80.5", "calcul des canaux biliaires": "K80.5", "lithiase vésiculaire": "K80.2", "lithiases vésiculaires": "K80.2", "vésicule lithiasique": "K80.2", "colique hépatique": "K80.2", # Cholécystite "cholécystite aiguë": "K81.0", "cholecystite aigue": "K81.0", "angiocholite": "K83.0", # Obésité "obésité": "E66.0", "obesite": "E66.0", "surpoids": "E66.0", # Réactions médicamenteuses "éruption médicamenteuse": "L27.0", "eruption medicamenteuse": "L27.0", "éruption cutanée médicamenteuse": "L27.0", "toxidermie": "L27.0", "réaction au tramadol": "L27.0", "allergie médicamenteuse": "T88.7", # Douleur "douleur abdominale": "R10.4", "douleur hypochondre droit": "R10.1", # Ictère "ictère": "R17", "jaunisse": "R17", # HTA "hypertension artérielle": "I10", "hta": "I10", # Diabète "diabète type 2": "E11.9", "diabète de type 2": "E11.9", "diabète type 1": "E10.9", } # Mapping actes → codes CCAM CCAM_MAP: dict[str, str] = { "cholécystectomie": "HMFC004", "cholecystectomie": "HMFC004", "cholécystectomie par cœlioscopie": "HMFC004", "cholecystectomie par coelioscopie": "HMFC004", "cholangiographie": "HHHE002", "cholangiographie peropératoire": "HHHE002", "cpre": "HHHE002", "sphinctérotomie endoscopique": "HHHE003", "scanner abdominal": "ZCQK002", "tdm abdominal": "ZCQK002", "échographie abdominale": "ZCQJ001", "echo abdominale": "ZCQJ001", "irm abdominale": "ZCQN001", } # Patterns DAS : (pattern_normalisé, label, code_fallback) # Les patterns sont appliqués sur du texte normalisé (sans accents, lowercase) _DAS_PATTERNS: list[tuple[str, str, str]] = [ # Lithiases biliaires (r"lithiase\s+(?:du\s+)?(?:bas\s+)?choledoque", "Lithiase du cholédoque", "K80.5"), (r"vesicule\s+lithiasique|lithiases?\s+vesiculaire", "Lithiase vésiculaire", "K80.2"), # Inflammation biliaire (r"cholecystite\s+aigue", "Cholécystite aiguë", "K81.0"), (r"angiocholite|cholangite", "Angiocholite", "K83.0"), # Réactions médicamenteuses (r"eruption\s+cutanee|toxidermie|reaction\s+au\s+tramadol", "Éruption cutanée médicamenteuse", "L27.0"), # Cardiovasculaire (r"hypertension\s+arterielle|\bhta\b", "Hypertension artérielle", "I10"), (r"fibrillation\s+auriculaire|\bfa\b(?:\s+paroxystique)?|\bacfa\b", "Fibrillation auriculaire", "I48.9"), (r"embolie\s+pulmonaire", "Embolie pulmonaire", "I26.9"), (r"thrombose\s+veineuse\s+profonde|\btvp\b", "Thrombose veineuse profonde", "I80.2"), # Métabolique (r"diabete\s+(?:sucre\s+)?(?:de\s+)?type\s+2|diabete\s+type\s*2", "Diabète de type 2", "E11.9"), (r"diabete\s+(?:sucre\s+)?(?:de\s+)?type\s+1|diabete\s+type\s*1", "Diabète de type 1", "E10.9"), (r"dyslipidemie|hypercholesterolemie", "Dyslipidémie", "E78.5"), (r"denutrition\s+severe|malnutrition\s+severe|denutrition\s+grade\s+(?:3|iii|III)", "Dénutrition sévère", "E43"), (r"denutrition\s+moderee?|malnutrition\s+moderee?|denutrition\s+grade\s+(?:2|ii|II)", "Dénutrition modérée", "E44.0"), (r"denutrition|malnutrition|hypoalbuminemie\s+severe", "Dénutrition", "E46"), # Infectieux (r"pneumopathie|pneumonie", "Pneumopathie", "J18.9"), (r"infection\s+urinaire|pyelonephrite", "Infection urinaire", "N39.0"), (r"\bsepsis\b|septicemie|choc\s+septique", "Sepsis", "A41.9"), # Rénal (r"insuffisance\s+renale", "Insuffisance rénale", "N19"), # Hématologique (r"anemie", "Anémie", "D64.9"), # Addictions (r"tabagisme|tabac\s+actif", "Tabagisme", "F17.2"), (r"ethylisme|alcoolisme|intoxication\s+ethylique", "Éthylisme", "F10.1"), ] def _extract_diagnostics( parsed: dict, text: str, dossier: DossierMedical, edsnlp_result: Optional[EdsnlpResult] = None, ) -> None: """Extrait le diagnostic principal et les diagnostics associés.""" text_lower = text.lower() # Diagnostics codés depuis Trackare (prioritaires) for diag in parsed.get("diagnostics", []): texte = clean_diagnostic_text(diag.get("libelle", "")) texte = expand_medical_abbreviations(texte) is_principal = diag.get("type", "").lower() == "principal" # Le DP Trackare est toujours accepté (pré-codé avec CIM-10 validé). # Seuls les DAS passent le filtre anti-bruit. if not is_principal and not is_valid_diagnostic_text(texte): continue d = Diagnostic( texte=texte, cim10_suggestion=diag.get("code_cim10"), source="trackare", ) if is_principal: dossier.diagnostic_principal = d else: dossier.diagnostics_associes.append(d) # Extraction du texte "Au total:" ou conclusion conclusion = "" m = re.search( r"Au total\s*[:：]?\s*(.*?)(?=\n\s*(?:Devenir|TTT|Sortie|$))", text, re.DOTALL | re.IGNORECASE, ) if m: conclusion = m.group(1).strip() # Enrichissement via edsnlp (CIM-10) edsnlp_codes: dict[str, str] = {} if edsnlp_result: for ent in edsnlp_result.cim10_entities: if not ent.negation and not ent.hypothese: edsnlp_codes[ent.code] = ent.texte # Si pas de DP depuis le codage, chercher dans le texte if not dossier.diagnostic_principal: # D'abord essayer le fallback regex (plus précis pour les patterns spécifiques) dp = _find_diagnostic_principal(text_lower, conclusion) if dp: dossier.diagnostic_principal = dp elif edsnlp_codes: # Utiliser la première entité CIM-10 edsnlp comme DP code, texte = next(iter(edsnlp_codes.items())) texte_clean = texte.capitalize() if is_valid_diagnostic_text(texte_clean): dossier.diagnostic_principal = Diagnostic( texte=texte_clean, cim10_suggestion=code, source="edsnlp", ) # Diagnostics associés depuis le texte (regex) das = _find_diagnostics_associes(text_lower, conclusion, dossier) das = [d for d in das if is_valid_diagnostic_text(d.texte)] dossier.diagnostics_associes.extend(das) # Enrichissement DAS depuis edsnlp if edsnlp_result: existing_codes = set() if dossier.diagnostic_principal: existing_codes.add(dossier.diagnostic_principal.cim10_suggestion) for d in dossier.diagnostics_associes: existing_codes.add(d.cim10_suggestion) for ent in edsnlp_result.cim10_entities: if ent.negation or ent.hypothese: continue texte = clean_diagnostic_text(ent.texte.capitalize()) if not is_valid_diagnostic_text(texte): continue if ent.code not in existing_codes: dossier.diagnostics_associes.append(Diagnostic( texte=texte, cim10_suggestion=ent.code, source="edsnlp", )) existing_codes.add(ent.code) def _find_diagnostic_principal(text_lower: str, conclusion: str) -> Diagnostic | None: """Trouve le diagnostic principal dans le texte. Normalise le texte avant matching pour gérer les variations d'accents/casse. """ conclusion_norm = normalize_text(conclusion) # Chercher dans la conclusion d'abord via CIM10_MAP (domain override) for terme, code in CIM10_MAP.items(): if normalize_text(terme) in conclusion_norm: return Diagnostic(texte=terme.capitalize(), cim10_suggestion=code, source="regex") text_norm = normalize_text(text_lower) # Patterns courants pour le DP (normalisés, sans accents) dp_patterns = [ r"pancreatite\s+aigue\s+(?:d'origine\s+)?lithiasique", r"pancreatite\s+aigue\s+biliaire", r"pancreatite\s+aigue", ] for pat in dp_patterns: m = re.search(pat, text_norm) if m: matched = m.group(0) code = _lookup_cim10(matched) return Diagnostic(texte=matched.capitalize(), cim10_suggestion=code, source="regex") return None def _find_diagnostics_associes( text_lower: str, conclusion: str, dossier: DossierMedical ) -> list[Diagnostic]: """Trouve les diagnostics associés. Utilise des patterns normalisés (sans accents) pour une détection robuste. """ das: list[Diagnostic] = [] existing_codes = set() if dossier.diagnostic_principal: existing_codes.add(dossier.diagnostic_principal.cim10_suggestion) for d in dossier.diagnostics_associes: existing_codes.add(d.cim10_suggestion) text_norm = normalize_text(text_lower) # Patterns DAS for pat, label, code in _DAS_PATTERNS: if re.search(pat, text_norm) and code not in existing_codes: das.append(Diagnostic(texte=label, cim10_suggestion=code, source="regex")) existing_codes.add(code) # Obésité (IMC >= 30) — pattern spécial avec extraction de valeur m = re.search(r"imc\s*[:=]?\s*(\d{2,3}[.,]\d+)", text_norm) if m: imc_val = float(m.group(1).replace(",", ".")) if imc_val >= 30 and "E66.0" not in existing_codes: das.append(Diagnostic(texte=f"Obésité (IMC {imc_val})", cim10_suggestion="E66.0", source="regex")) existing_codes.add("E66.0") return das def _detect_nutrition_has2021(dossier: DossierMedical) -> None: """Détecte la dénutrition selon les critères HAS/FFN novembre 2021. Logique déterministe basée sur données structurées (IMC + âge + albumine). - Critère phénotypique : IMC < seuil (âge-dépendant) - Critère de sévérité : albumine < 30 g/L → sévère, 30-35 → modéré - Code final : max(sévérité IMC, sévérité albumine) → E43 ou E44.0 Ref: HAS/FFN nov 2021 « Diagnostic de la dénutrition chez l'enfant, l'adulte, et la personne de 70 ans et plus » """ # 1. Vérifier qu'aucun code E40-E46 n'est déjà codé existing_codes: set[str] = set() if dossier.diagnostic_principal and dossier.diagnostic_principal.cim10_suggestion: existing_codes.add(dossier.diagnostic_principal.cim10_suggestion) for d in dossier.diagnostics_associes: if d.cim10_suggestion: existing_codes.add(d.cim10_suggestion) for code in existing_codes: if code.startswith(("E4",)) and code[:3] in ("E40", "E41", "E42", "E43", "E44", "E45", "E46"): return # Déjà codé # 2. Vérifier qu'on a un IMC (critère phénotypique obligatoire) imc = dossier.sejour.imc if dossier.sejour else None if imc is None: return age = dossier.sejour.age if dossier.sejour else None # 3. Seuils IMC HAS 2021 (âge-dépendants) if age is not None and age >= 70: # Personne âgée ≥ 70 ans if imc >= 22: return # Au-dessus du seuil imc_severe = imc < 20 imc_moderate = not imc_severe # 20 ≤ IMC < 22 else: # Adulte 18-69 ans (ou âge inconnu → seuils adulte par défaut) if imc >= 18.5: return # Au-dessus du seuil imc_severe = imc <= 17 imc_moderate = not imc_severe # 17 < IMC < 18.5 # 4. Critère de sévérité : albumine albumine_val = None for bio in dossier.biologie_cle: if bio.test == "Albumine" and bio.valeur_num is not None: if bio.quality != "discarded": albumine_val = bio.valeur_num break albumine_severe = albumine_val is not None and albumine_val < 30 albumine_moderate = albumine_val is not None and 30 <= albumine_val < 35 # 5. Code final : max(sévérité IMC, sévérité albumine) is_severe = imc_severe or albumine_severe is_moderate = imc_moderate or albumine_moderate if is_severe: code = "E43" label = "Dénutrition sévère" elif is_moderate: code = "E44.0" label = "Dénutrition modérée" else: return # Ne devrait pas arriver vu les checks précédents # 6. Construire l'alerte explicative parts = [] if age is not None and age >= 70: parts.append(f"IMC {imc} (seuil ≥70 ans : <22 modéré, <20 sévère)") else: parts.append(f"IMC {imc} (seuil adulte : <18.5 modéré, ≤17 sévère)") if albumine_val is not None: parts.append(f"Albumine {albumine_val} g/L (<30 sévère, 30-35 modéré)") alerte = f"HAS 2021 — {label} ({code}) : {' ; '.join(parts)}" dossier.diagnostics_associes.append( Diagnostic(texte=label, cim10_suggestion=code, source="has2021") ) dossier.alertes_codage.append(alerte) logger.info("HAS 2021 dénutrition : %s ajouté (%s)", code, alerte) def _extract_actes(text: str, dossier: DossierMedical) -> None: """Extrait les actes CCAM.""" text_lower = text.lower() # Cholécystectomie par cœlioscopie if re.search(r"chol[ée]cystectomie\s+par\s+c[oœ][ea]lioscopie", text_lower): date = _find_act_date(text, r"chol[ée]cystectomie") dossier.actes_ccam.append(ActeCCAM( texte="Cholécystectomie par cœlioscopie", code_ccam_suggestion="HMFC004", date=date, )) elif re.search(r"chol[ée]cystectomie|cholecystectomie", text_lower): date = _find_act_date(text, r"chol[ée]cystectomie|cholecystectomie") dossier.actes_ccam.append(ActeCCAM( texte="Cholécystectomie", code_ccam_suggestion="HMFC004", date=date, )) # Cholangiographie if re.search(r"cholangiographie", text_lower): date = _find_act_date(text, r"cholangiographie") dossier.actes_ccam.append(ActeCCAM( texte="Cholangiographie peropératoire", code_ccam_suggestion="HHHE002", date=date, )) # TDM if re.search(r"(?:tdm|scanner|tomodensitométrie)", text_lower): date = _find_act_date(text, r"(?:TDM|scanner)") dossier.actes_ccam.append(ActeCCAM( texte="TDM abdominal", code_ccam_suggestion="ZCQK002", date=date, )) # Fallback : tenter le lookup CCAM dict pour les actes sans code for acte in dossier.actes_ccam: if not acte.code_ccam_suggestion: code = ccam_lookup(acte.texte, domain_overrides=CCAM_MAP) if code: acte.code_ccam_suggestion = code def _find_act_date(text: str, act_pattern: str) -> str | None: """Trouve la date associée à un acte.""" # Chercher "acte le DD/MM" ou "acte le DD/MM/YYYY" m = re.search( rf"{act_pattern}.*?(?:le\s+)?(\d{{2}}/\d{{2}}(?:/\d{{4}})?)", text, re.IGNORECASE, ) if m: return m.group(1) # Chercher dans la ligne d'observation juste avant m = re.search( rf"(\d{{2}}/\d{{2}}/\d{{4}}).*?{act_pattern}", text, re.IGNORECASE, ) if m: return m.group(1) return None def _lookup_cim10(text: str) -> str | None: """Cherche un code CIM-10 pour un texte donné. Utilise le dictionnaire complet (10 893 codes) avec CIM10_MAP en override prioritaire. """ return dict_lookup(text, domain_overrides=CIM10_MAP)