Ejemplo de triaje de pacientes con el modelo Jev
El autor demuestra cómo derivar a un paciente al médico adecuado usando solo el modelo Jev de TypeSafe AI y algo de código para hacer preguntas, señalando que no se usa un LLM durante la conversación.
Jev ayuda al diagnóstico diferencial en tiempo real durante consultas clínicas
Durante consultas clínicas en vivo, un escriba ambiental proporciona periódicamente transcripciones a Jev, que recorre una ontología médica para clasificar síntomas, actualizar el diagnóstico diferencial, sugerir tratamientos e identificar señales de alerta en tiempo real.
During a live clinical consultation (with an ambient scribe), the transcript is periodically supplied to Jev, which traverses a medical ontology to classify symptoms, update the differential diagnosis, suggest treatments and identify red flags in real time.
· 429 likesOpen on X
More like this
Creando una app instantánea de seguimiento de calorías con Jev
Un desarrollador comparte la creación de una app de seguimiento de calorías con Jev, destacando su experiencia instantánea.
Mover decisiones de triaje sanitario a Jev: 25 preguntas tipadas, 0,29 s, $0,00015
El autor comparte cómo movió el paso de decisión del triaje de admisión sanitaria de un LLM a Jev (@typesafeai): 25 preguntas tipadas, 0,29 s, $0,00015, con código que recorre el flujo, además de método, cifras y límites.
