import gradio as gr
import numpy as np
from PIL import Image
import tensorflow as tf
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input

# Cargar modelo
model = tf.keras.models.load_model("modelo.h5")

# Clases (ajústalas según tu dataset)
clases = ["Nevo", "Queratosis", "Carcinoma", "Melanoma", "Dermatitis"]

# Función de predicción
def predict(image):
    image = image.resize((224, 224))
    img = np.array(image)
    
    # Preprocesamiento correcto para MobileNetV2
    img = preprocess_input(img)
    img = np.expand_dims(img, axis=0)

    pred = model.predict(img)
    idx = np.argmax(pred)
    confianza = float(np.max(pred))

    return {
        clases[i]: float(pred[0][i]) for i in range(len(clases))
    }

# Interfaz
interface = gr.Interface(
    fn=predict,
    inputs=gr.Image(type="pil"),
    outputs=gr.Label(num_top_classes=3),
    title="🧠 Derm-IA",
    description="Asistente de diagnóstico dermatológico basado en IA"
)

interface.launch()