OpenMed testete vier fiktive medizinische Notizen: Jev erzielte 16/16, Laya 13/16; bei Medikationskonflikt-Fragen 4/4 vs. 2/4. Der Autor betont, dass dies ein nützliches Diagnosewerkzeug ist, keine klinische Genauigkeitsschätzung.
Four typed questions across four authored fictional notes, labels written before the calls. Jev 16/16, Laya 13/16. On the medication-conflict question alone: 4/4 vs 2/4. A useful diagnostic, not a clinical accuracy estimate.
Während live klinischer Konsultationen liefert ein Ambient-Scribe regelmäßig Transkripte an Jev, der eine medizinische Ontologie durchläuft, um Symptome zu klassifizieren, die Differenzialdiagnose zu aktualisieren, Behandlungen vorzuschlagen und Warnsignale in Echtzeit zu erkennen.
Der Autor zeigt, wie man einen Patienten nur mit dem Jev-Modell von TypeSafe AI und etwas Code für Fragen an den richtigen Arzt überweist, und weist darauf hin, dass während des Gesprächs kein LLM verwendet wird.
Ein Entwickler teilt die Erstellung einer Kalorien-Tracking-App mit Jev und hebt die sofortige Erfahrung hervor.
