✏️【本日實作紀錄：用藥安全過濾器與重複藥性檢測】

今天進入用藥安全檢測與風險預警階段，完成項目包含：

• 擴充 JSON Schema 結構 — 在 Gemini 輸出規範中新增 safety_warnings 欄位，讓 VLM 直接檢測重複藥性與高風險用藥指示。
• 實作後端安全過濾機制 — 當系統偵測到高風險警語時，將自動在白話文摘要（spoken_summary）開頭加上警示，提醒長輩與家屬特別留意。
• 升級 LINE 關懷推播內容 — 推播訊息同步包含「⚠️ 安全用藥提醒」卡片區塊，確保家屬能第一時間接收到潛在的重複用藥風險通知。

一、 為什麼需要重複藥性與高風險檢測？

高齡長輩常因跨科別就醫，容易出現跨院重複開藥或劑量過量的問題。例如同時看骨科與內科，可能重複開立 NSAID 消炎止痛藥或抗組織胺。

在後端導入 AI 風險過濾器有好處。傳統藥盒只能提示吃藥時間，但無法判斷藥物成分是否衝突。透過 VLM 語義分析，可以在長輩服藥前發出警告。當系統發現潛在重複用藥風險時，同步透過 LINE 推播通知家屬，由家屬協助向藥師或醫師確認。

二、 編寫安全過濾器與 API 整合邏輯（app.py）

開啟專案根目錄下的 app.py，更新為以下完整程式碼：

import os
import json
import uuid
import sqlite3
from flask import Flask, request, jsonify, send_from_directory
from dotenv import load_dotenv
from google import genai
from google.genai import types
from PIL import Image
from gtts import gTTS

# LINE Bot SDK 引入
from linebot.v3.messaging import (
    Configuration,
    ApiClient,
    MessagingApi,
    PushMessageRequest,
    TextMessage
)

# 1. 載入環境變數與初始化
load_dotenv()
api_key = os.getenv("GEMINI_API_KEY")
line_access_token = os.getenv("LINE_CHANNEL_ACCESS_TOKEN")
line_user_id = os.getenv("LINE_USER_ID")  # 家屬的 LINE User ID

if not api_key:
    raise ValueError("❌ 錯誤：找不到 GEMINI_API_KEY，請檢查 .env 設定！")

client = genai.Client(api_key=api_key)

# 初始化 LINE Messaging API Client
if line_access_token:
    configuration = Configuration(access_token=line_access_token)
    line_api_client = ApiClient(configuration)
    line_bot_api = MessagingApi(line_api_client)
else:
    line_bot_api = None

app = Flask(__name__)
app.json.ensure_ascii = False  # 讓 Flask 回傳漂亮的繁體中文 JSON

# 設定檔案儲存目錄與資料庫路徑
AUDIO_DIR = os.path.join(os.getcwd(), 'static', 'audio')
DATABASE_PATH = os.path.join(os.getcwd(), 'prescription_vlm.db')
os.makedirs(AUDIO_DIR, exist_ok=True)

# 2. 資料庫初始化
def init_db():
    conn = sqlite3.connect(DATABASE_PATH)
    cursor = conn.cursor()

    cursor.execute('''
        CREATE TABLE IF NOT EXISTS prescriptions (
            id TEXT PRIMARY KEY,
            spoken_summary TEXT NOT NULL,
            audio_url TEXT NOT NULL,
            safety_warnings TEXT,
            created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
        )
    ''')

    cursor.execute('''
        CREATE TABLE IF NOT EXISTS medicines (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            prescription_id TEXT NOT NULL,
            name TEXT NOT NULL,
            type TEXT NOT NULL,
            frequency TEXT NOT NULL,
            dosage TEXT NOT NULL,
            timing TEXT NOT NULL,
            warning TEXT,
            FOREIGN KEY (prescription_id) REFERENCES prescriptions (id)
        )
    ''')

    conn.commit()
    conn.close()

init_db()

# 3. 傳送 LINE 關懷推播函式（含安全警語區塊）
def send_line_notification(summary, medicines_count, safety_warnings):
    if not line_bot_api or not line_user_id:
        print("⚠️ 尚未設定 LINE_CHANNEL_ACCESS_TOKEN 或 LINE_USER_ID，跳過推播。")
        return

    warning_text = ""
    if safety_warnings:
        warning_text = f"\n\n⚠️【用藥安全提醒】\n" + "\n".join([f"• {w}" for w in safety_warnings])

    push_text = f"💊【長輩用藥通知】\n剛才已完成藥袋辨識，共有 {medicines_count} 種藥品。{warning_text}\n\n白話摘要：\n{summary}"

    try:
        push_message_request = PushMessageRequest(
            to=line_user_id,
            messages=[TextMessage(text=push_text)]
        )
        line_bot_api.push_message(push_message_request)
        print("✅ LINE 關懷推播發送成功！")
    except Exception as e:
        print(f"❌ LINE 推播發送失敗: {str(e)}")

# 4. 定義包含安全檢測的 JSON Schema
prescription_schema = {
    "type": "OBJECT",
    "properties": {
        "spoken_summary": {
            "type": "STRING",
            "description": "適合唸給長輩聽的白話文總結，語氣溫柔親切。"
        },
        "safety_warnings": {
            "type": "ARRAY",
            "items": {"type": "STRING"},
            "description": "重複藥性、同類藥物過量或特殊風險提醒（如：多種止痛藥、重複抗過敏藥、需空腹服用的特殊藥物）。無風險則填空陣列。"
        },
        "medicines": {
            "type": "ARRAY",
            "items": {
                "type": "OBJECT",
                "properties": {
                    "name": {"type": "STRING", "description": "藥品中文名稱或商品名"},
                    "type": {"type": "STRING", "description": "口服或外用"},
                    "frequency": {"type": "STRING", "description": "服用頻率，如：每日二次"},
                    "dosage": {"type": "STRING", "description": "每次劑量，如：1顆、0.5顆"},
                    "timing": {"type": "STRING", "description": "吃藥時間點，如：飯後、睡前"},
                    "warning": {"type": "STRING", "description": "重要警語或注意事項，無則填空字串"}
                },
                "required": ["name", "type", "frequency", "dosage", "timing"]
            }
        }
    },
    "required": ["spoken_summary", "safety_warnings", "medicines"]
}

@app.route('/ping', methods=['GET'])
def ping():
    return jsonify({"status": "online", "service": "PrescriptionVLM Engine"}), 200

@app.route('/analyze-prescription', methods=['POST'])
def analyze_prescription():
    if 'image' not in request.files:
        return jsonify({"error": "未提供圖片檔案 (key 名稱應為 'image')"}), 400

    file = request.files['image']
    if file.filename == '':
        return jsonify({"error": "未選擇上傳的圖片"}), 400

    try:
        image = Image.open(file.stream)
        prompt = """
        你是一位專業且細心的藥師助手。請分析這張藥袋照片：
        1. 將藥品分類為口服或外用，精準提取名稱、頻率、劑量與吃藥時間。
        2. 檢查這張藥單上的藥品是否有「重複藥性」（如同時開立兩種以上消炎止痛藥、兩種以上抗過敏藥）或高風險注意事項，並填入 safety_warnings 陣列。
        3. 針對高齡長輩，撰寫一段溫柔白話的 spoken_summary，適合 TTS 語音播報。
        """

        config = types.GenerateContentConfig(
            response_mime_type="application/json",
            response_schema=prescription_schema
        )

        response = client.models.generate_content(
            model='gemini-3.6-flash',
            contents=[image, prompt],
            config=config
        )

        result_data = json.loads(response.text)

        spoken_text = result_data.get("spoken_summary", "解析完成。")
        safety_warnings = result_data.get("safety_warnings", [])

        # 若有安全警語，在白話摘要前加上防呆前綴
        if safety_warnings:
            prefix = "長輩請注意，這份藥單有特別需要留意的地方：" + "；".join(safety_warnings) + "。"
            spoken_text = f"{prefix} {spoken_text}"
            result_data['spoken_summary'] = spoken_text

        prescription_id = uuid.uuid4().hex[:8]
        filename = f"speech_{prescription_id}.mp3"
        filepath = os.path.join(AUDIO_DIR, filename)

        # 將含警告前綴的文字轉為語音檔
        tts = gTTS(text=spoken_text, lang='zh-tw')
        tts.save(filepath)

        audio_url = f"/static/audio/{filename}"
        result_data['audio_url'] = audio_url
        result_data['id'] = prescription_id

        # 寫入 SQLite
        conn = sqlite3.connect(DATABASE_PATH)
        cursor = conn.cursor()

        warnings_json = json.dumps(safety_warnings, ensure_ascii=False)
        cursor.execute(
            "INSERT INTO prescriptions (id, spoken_summary, audio_url, safety_warnings) VALUES (?, ?, ?, ?)",
            (prescription_id, spoken_text, audio_url, warnings_json)
        )

        meds = result_data.get("medicines", [])
        for med in meds:
            cursor.execute(
                """INSERT INTO medicines 
                   (prescription_id, name, type, frequency, dosage, timing, warning) 
                   VALUES (?, ?, ?, ?, ?, ?, ?)""",
                (
                    prescription_id,
                    med.get("name"),
                    med.get("type"),
                    med.get("frequency"),
                    med.get("dosage"),
                    med.get("timing"),
                    med.get("warning", "")
                )
            )

        conn.commit()
        conn.close()

        # 觸發 LINE 關懷推播
        send_line_notification(spoken_text, len(meds), safety_warnings)

        return jsonify({
            "status": "success",
            "data": result_data
        }), 200

    except Exception as e:
        return jsonify({"error": f"伺服器處理失敗: {str(e)}"}), 500

@app.route('/prescriptions', methods=['GET'])
def get_prescriptions():
    try:
        conn = sqlite3.connect(DATABASE_PATH)
        conn.row_factory = sqlite3.Row
        cursor = conn.cursor()

        cursor.execute("SELECT * FROM prescriptions ORDER BY created_at DESC")
        prescriptions = cursor.fetchall()

        history = []
        for p in prescriptions:
            cursor.execute("SELECT name, type, frequency, dosage, timing, warning FROM medicines WHERE prescription_id = ?", (p['id'],))
            meds = [dict(m) for m in cursor.fetchall()]

            history.append({
                "id": p['id'],
                "spoken_summary": p['spoken_summary'],
                "audio_url": p['audio_url'],
                "safety_warnings": json.loads(p['safety_warnings']) if p['safety_warnings'] else [],
                "created_at": p['created_at'],
                "medicines": meds
            })

        conn.close()
        return jsonify({
            "status": "success",
            "data": history
        }), 200

    except Exception as e:
        return jsonify({"error": f"查詢失敗: {str(e)}"}), 500

@app.route('/static/audio/<filename>', methods=['GET'])
def get_audio(filename):
    return send_from_directory(AUDIO_DIR, filename)

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=True)

三、 API 測試與成果驗證

啟動 Flask 後端服務

於 Terminal 執行，輸入（Ctrl+C 可取消執行 app.py）：

python app.py

測試分析端點

開啟新的 Terminal 分頁執行 cURL 上傳藥袋：

curl -X POST http://127.0.0.1:5000/analyze-prescription \
  -F "image=@test_rx.jpg"

預期輸出結果

• 回傳的 JSON 資料新增 safety_warnings 欄位（列出如抗過敏藥重複或抗生素需完整服用的警示）
• 白話摘要 spoken_summary 自動組合警示前綴，並將更新後的警示內容合成為 .mp3 語音檔
• SQLite 資料庫同步儲存 safety_warnings 欄位

四、 版本控制與提交 GitHub

測試成功後，提交 Day 09 程式碼：

git add .

git commit -m "保留雙引號 改填寫自己要記錄的標記 ex.鐵人賽第九天"

git push

五、 本日小結與明日預告

今天擴充系統的用藥安全檢測能力。PrescriptionVLM 現在能檢測重複用藥與高風險指示，為長輩與家屬把關。

明天（Day 10）進行 Docker 化與後端容器封裝。將 Python 環境、Flask 服務與 SQLite 設定封裝至 Docker 容器中，實現一鍵部署。