Spaces:
Build error
Build error
import pandas as pd | |
import pickle | |
import gradio as gr | |
import sklearn | |
# Cargar el modelo desde un archivo | |
with open('sepsis_model.pkl', 'rb') as archivo: | |
modelo = pickle.load(archivo) | |
def predict_sepsis(ritmo_cardiaco, GCS, PAS): | |
""" | |
Esta funci贸n clasifica si un paciente tiene sepsis o no en base a los valores | |
de sus signos vitales: ritmo card铆aco, GCS y PAS. | |
Args: | |
- ritmo_cardiaco (float): Ritmo card铆aco del paciente. | |
- GCS (float): Escala de Coma de Glasgow (GCS, por sus siglas en ingl茅s) del paciente. | |
- PAS (float): Presi贸n arterial sist贸lica (PAS) del paciente. | |
Returns: | |
- str: Cadena que indica si el paciente tiene sepsis ('S铆') o no ('No'). | |
""" | |
# Crear un DataFrame con los valores de los signos vitales | |
data = pd.DataFrame({"ritmo_cardiaco": [ritmo_cardiaco], | |
"GCS": [GCS], | |
"PAS": [PAS]}) | |
# Hacer la predicci贸n de sepsis | |
pred = modelo.predict(data)[0] | |
# Retornar la cadena correspondiente | |
if pred == 0: | |
return "Negativo" | |
else: | |
return "Positivo" | |
# Crear la interfaz de Gradio | |
inputs = [gr.inputs.Number(label="ritmo_cardiaco"), | |
gr.inputs.Number(label="GCS"), | |
gr.inputs.Number(label="PAS")] | |
output = gr.outputs.Textbox(label="Sepsis") | |
gr.Interface(fn=predict_sepsis, inputs=inputs, outputs=output).launch() |