Update README.md

README.md

@@ -1,77 +1,20 @@
-
-# TNM Endpoint (FastAPI on Hugging Face Spaces)
-
-Endpoint يستقبل **تقرير طبي نصي** ويعيد **توقعات T/N/M** باستخدام موديلات منشورة على Hugging Face.
-
-## 🔧 ما الذي يفعله؟
-- `POST /predict_tnm` ← تدخل نص التقرير → يرجع `{ "T": ..., "N": ..., "M": ... }` مع درجات الثقة.
-- يستخدم **HuggingFace Inference API**، لذلك **لا يحتاج GPU** داخل الـ Space.
-
+---
+title: TNM Cancer Stage Endpoint
+emoji: 🧬
+colorFrom: indigo
+colorTo: blue
+sdk: docker
+pinned: false
 ---
 
-## 🚀 خطوات الرفع على Hugging Face Spaces
-
-1) افتح حسابك على Hugging Face ثم:
-   - New → **Create new Space**
-   - الاسم: `tnm-endpoint` (أو أي اسم)
-   - **SDK: FastAPI**
-   - **Hardware: CPU Basic** (يكفي لأن الحساب الفعلي يتم في Inference API)
-   - اختياري: **Private** لو تبي الإندبوينت خاص
-
-2) بعد إنشاء الـ Space:
-   - من تبويب **Files & versions** ارفع الملفات التالية:
-     - `app.py`
-     - `requirements.txt`
-     - `README.md` (اختياري)
-
-3) أضف **Secret** للمفتاح:
-   - Settings → Secrets → Add new secret
-   - Name: `HF_TOKEN`
-   - Value: (توكن حسابك من https://huggingface.co/settings/tokens)
-   - احفظ
-
-   > الموديلات العامة قد تعمل بدون توكن، لكن التوكن يضمن لك استقرار وحدود أعلى ويُلزم للموديلات الخاصة.
-
-4) انتظر حتى يصبح Space في حالة **Running**.
+# TNM Endpoint (FastAPI)
 
-5) اختبر الصحة:
-   - GET على: `https://USERNAME-SPACE_NAME.hf.space/healthz`
+This Space hosts a **FastAPI endpoint** that takes a pathology/radiology report as input  
+and predicts **T, N, M cancer staging** using pretrained models on Hugging Face.  
 
-6) جرّب التنبؤ:
+### Usage
+Send a POST request with a report:
 ```bash
-curl -X POST "https://USERNAME-SPACE_NAME.hf.space/predict_tnm" \
+curl -X POST "https://USERNAME-tnm-endpoint.hf.space/predict_tnm" \
      -H "Content-Type: application/json" \
-     -d '{"text": "Tumor size is 3 cm with positive axillary lymph nodes, no distant metastasis detected."}'
-```
-
-**رد متوقع** (مثال):
-```json
-{
-  "input_chars": 92,
-  "tnm": {
-    "T": {"label": "T2", "score": 0.91, "raw": [...]},
-    "N": {"label": "N1", "score": 0.88, "raw": [...]},
-    "M": {"label": "M0", "score": 0.95, "raw": [...]}
-  },
-  "tnm_string": "T2 N1 M0",
-  "meta": {"models": {"T": "jkefeli/CancerStage_Classifier_T", "N": "jkefeli/CancerStage_Classifier_N", "M": "jkefeli/CancerStage_Classifier_M"}}
-}
-```
-
----
-
-## 🔁 تخصيص أسماء الموديلات
-تقدر تغيّر الموديلات بدون تعديل الكود عبر **Environment variables** داخل Settings → Variables:
-
-- `MODEL_T` (الافتراضي: `jkefeli/CancerStage_Classifier_T`)
-- `MODEL_N` (الافتراضي: `jkefeli/CancerStage_Classifier_N`)
-- `MODEL_M` (الافتراضي: `jkefeli/CancerStage_Classifier_M`)
-
----
-
-## 🧠 ملاحظات مهمة
-- إذا أحد الموديلات غير متوافق مع مهمة `text-classification` في Inference API، جرّب موديل بديل أو حمّل الموديل محليًا (يتطلب GPU Space).
-- لو تبغى **Batch API**، تقدر تضيف مسار جديد يقبل `List[str]` ويعيد قائمة من النتائج.
-- للأمان، فكّر بإضافة **API Key** بسيط (Header) تتحقق منه قبل تنفيذ الطلب.
-
-بالتوفيق! ✨
+     -d '{"text": "Tumor is 3 cm w