Jev lit des scanners
Le post montre Jev lisant des images de scanner, illustrant son application dans l'imagerie médicale.
THE JEV GUIDE · CURATED EDITION
Annonces, explications, démos et projets communautaires autour de TypeSafe Jev, organisés par thème. Chaque entrée renvoie à sa source sur X.
Sélection curée · Non exhaustive · Mise à jour manuelle
01 / EXPLORE
0 means awaiting a verified post
Le post montre Jev lisant des images de scanner, illustrant son application dans l'imagerie médicale.
Inspiré par Jev et la communauté open source, MedJev transforme des notes cliniques en texte libre en champs structurés et fonctionne sur GPU grand public.
Le post explique que Jev n'est pas un autre chatbot : il est conçu pour choisir, noter et router, tandis qu'un LLM rédige, résume et converse. Dans une clinique, le LLM gère le langage, Jev vérifie ou route la sortie, et le personnel garde le contrôle.
OpenMed commence à évaluer Jev pour l'IA médicale : spans et contexte locaux, Jev hébergé attribue le statut, le code contrôle le brouillon et chaque décision est liée à sa source.
L’auteur a créé un agent vocal de santé avec GPT-Live-1 et TypeSafe JEV qui classe l’intention et choisit la prochaine action sûre à chaque tour ; dire « j’ai mal à la poitrine » arrête la planification et transfère au personnel clinique.
L'équipe a publié Solomon 27B comme alternative à poids ouverts à JEV, basée sur Qwen3.8-27B et conservant largement ses capacités, positionnée comme modèle médical.
Ce post présente un flux clinique où GLiNER trouve la metformine, DeBERTa détecte la contradiction, Jev renvoie block_conflict et le code arrête la mise à jour pour révision humaine : trois familles de modèles aux rôles distincts dans un flux fail-closed.
L'auteur partage son expérience avec Jev et explore comment il pourrait rendre moins coûteux et plus rapides la classification, le filtrage, le nettoyage et le routage des flux de données de santé non structurées.
L'utilisateur souligne que de nombreux systèmes de santé exigent que les documents ne soient pas envoyés à des applications ou API tierces, rendant le moteur de masquage de PII de Jev inutilisable dans ce cas.
Un chef de produit partage son expérience de test de TypeSafe Jev pour résoudre des flux de travail de santé à forte composante de classification et de routage.
Discussion sur la manière dont les décisions cliniques contraintes (triage, routage, scoring, dépistage, escalade) peuvent bénéficier des modèles Jev et System One.
L'auteur propose d'utiliser la calibration des probabilités de Jev pour créer un simulateur de détérioration vitale chez les patients critiques et améliorer les alarmes mécaniques.