Inspiriert von Jev und der Open-Source-Community wandelt MedJev klinische Freitextnotizen in strukturierte Felder um und läuft auf Consumer-GPUs.
Curating clinical variables from free-text notes is tedious. General LLMs can help, but processing thousands of notes can be slow and costly. Inspired by Jev and the open-source community, we’re releasing MedJev to turn clinical notes into structured fields on consumer GPUs. A
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.
