DoctoGreed Hackathon – Infrastructure IA pour la cardiologie

Bienvenue dans ce projet de chatbot IA dédié à la cardiologie, conçu pour aider à la pré-évaluation des patients, la génération de rapports médicaux structurés et le suivi post-consultation. L’architecture globale est orchestrée via Docker Compose, et comprend :

• Un backend en FastAPI (Python) utilisant Tortoise ORM pour la base de données PostgreSQL.
• Un frontend en Streamlit permettant l’interaction avec le patient (questionnaire, post-consultation) et avec le médecin (interface de suivi, génération de PDF, etc.).
• Une base de données PostgreSQL pour stocker les informations relatives aux patients, diagnostics et médecins.

Table des matières

1. Contexte : use case IA en cardiologie
2. Fonctionnalités principales
3. Structure du projet
4. Prérequis
5. Comment lancer le projet ?
6. Contribution & Licence

---

Contexte : use case IA en cardiologie

Ce projet répond à un besoin concret dans le domaine médical :

• Pénurie de cardiologues et répartition inégale de l’expertise.

• Triage non optimisé des patients, sans évaluation médicale préalable.

• Perte de temps en consultation (questions de base).

• Manque de suivi structuré post-consultation.

  Objectif : Un assistant IA qui prépare et optimise les consultations :

  • Pré-évalue le patient avant la prise de rendez-vous.
  • Génère un rapport structuré des symptômes / historique médical.
  • Aide le cardiologue à prioriser les cas les plus urgents.
  • Assure un suivi post-consultation intelligent (rappels, alertes, etc.).

---

Fonctionnalités principales

1. Triage des patients : Analyse des réponses et priorisation des cas urgents.
2. Consultation préliminaire : Rassemble les informations importantes (symptômes, historique, traitements en cours).
3. Suivi post-consultation : Rappels de prise de médicament, vérification de l’évolution, alertes si aggravation.
4. Génération de rapports : Export PDF, affichage côté médecin, éventuellement notifications pour le patient.

---

Structure du projet

decapix-doctogreed-hackathon/  
├── README.md                <-- Vous êtes ici (présentation globale)  
├── docker-compose.yaml      <-- Configuration Docker Compose  
├── .dockerignore            <-- Fichiers ignorés par Docker  
├── backend/  
│   ├── backend.md           <-- Documentation spécifique au backend  
│   ├── Dockerfile           <-- Dockerfile du backend  
│   ├── requirements.txt     <-- Dépendances Python du backend  
│   └── app/  
│       ├── __init__.py  
│       ├── db_models.py  
│       ├── ds.py  
│       ├── enter_model.py  
│       ├── main.py  
│       └── routes.py  
└── frontend/  
    ├── frontend.md          <-- Documentation spécifique au frontend  
    ├── Dockerfile           <-- Dockerfile du frontend  
    ├── requirements.txt     <-- Dépendances Python du frontend  
    └── pages/  
    ├── doctor.py  
    └── patient.py  

---

Prérequis

• Docker (version 20+ recommandée)
• Docker Compose (version 3.8+)
• (Optionnel) Connaissances basiques de FastAPI, Streamlit et PostgreSQL pour personnaliser l’application.

---

Comment lancer le projet ?

1. Cloner le dépôt :
   bash git clone https://github.com/votre-compte/doctogreed-hackathon.git cd doctogreed-hackathon

2. (Facultatif) Mettre à jour les variables d’environnement dans docker-compose.yaml si nécessaire (ex. DATABASE_URL, POSTGRES_USER, POSTGRES_PASSWORD, etc.).

3. Créer un fichier .env et mettre la bonne clé API ainsi que la bonne URL. Exemple : https://api.scaleway.ai/c98de2b2-feb7-4780-a578-4c5276194bf4/v1 .

4. Lancer Docker Compose :
   docker-compose up --build

Pour utiliser notre logique :

1. Créer un utilisateur :

curl -X POST http://127.0.0.1:8000/create/patient/ -H "Content-Type:application/json" -d '{"nom":"votre_nom"}'

2. Simuler sa prise de rendez vous dans la partie chatbot patient
3. Se mettre à la place du docteur pour comparer les patients docteur

Cela va lancer :

• Le service backend sur le port 8000
• Le service frontend sur le port 8501
• Le service db (PostgreSQL) sur le port 5432

4. Accéder aux applications :

   • Backend (FastAPI) : http://localhost:8000/docs pour la doc auto (Swagger).
   • Frontend (Streamlit) : http://localhost:8501 pour l’interface utilisateur.

5. Vérifier la base de données :

   • Par défaut, le container PostgreSQL est accessible sur le port 5432.
   • Les identifiants (ex: user / password) sont définis dans docker-compose.yaml.

6. Arrêter l’environnement :
   docker-compose down

---

Contribution & Licence

• Contributions : Les PR, issues et suggestions sont les bienvenues.
• Licence : Ce projet est sous licence libre (à spécifier selon votre besoin : MIT, Apache 2.0, etc.).

Pour plus de détails, référez-vous aux README spécifiques :

• backend.md dans le dossier backend.
• frontend.md dans le dossier frontend.