Lors de consultations cliniques en direct, un scribe ambiant fournit périodiquement des transcriptions à Jev, qui parcourt une ontologie médicale pour classer les symptômes, mettre à jour le diagnostic différentiel, suggérer des traitements et identifier les signaux d'alerte en temps réel.
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.
L'auteur montre comment orienter un patient vers le bon médecin en utilisant uniquement le modèle Jev de TypeSafe AI et un peu de code pour poser des questions, en précisant qu'aucun LLM n'est utilisé pendant la conversation.
Un développeur partage la création d'une application de suivi des calories avec Jev, soulignant son expérience instantanée.
L'auteur partage le déplacement de l'étape de décision du triage d'admission médicale d'un LLM vers Jev (@typesafeai) : 25 questions typées, 0,29 s, 0,00015 $, le code pilotant le workflow, avec méthode, chiffres et limites.
