Jev CT स्कैन पढ़ रहा है
पोस्ट में Jev को CT स्कैन छवियाँ पढ़ते हुए दिखाया गया है, जो मेडिकल इमेजिंग में इसके अनुप्रयोग को दर्शाता है।
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev से जुड़ी लॉन्च खबरें, व्याख्याएँ, डेमो और समुदाय प्रोजेक्ट विषय के अनुसार व्यवस्थित हैं। हर एंट्री X के मूल स्रोत से जुड़ती है।
चुनी हुई सूची · पूर्ण नहीं · मैनुअल अपडेट
01 / EXPLORE
0 means awaiting a verified post
पोस्ट में Jev को CT स्कैन छवियाँ पढ़ते हुए दिखाया गया है, जो मेडिकल इमेजिंग में इसके अनुप्रयोग को दर्शाता है।
Jev और ओपन-सोर्स समुदाय से प्रेरित MedJev, मुक्त-पाठ क्लिनिकल नोट्स को संरचित फ़ील्ड में बदलता है और उपभोक्ता GPU पर चलता है।
पोस्ट बताता है कि Jev कोई अन्य चैटबॉट नहीं है, बल्कि चयन, स्कोरिंग और रूटिंग के लिए बनाया गया है; LLM ड्राफ्ट, सारांश और बातचीत करता है। क्लिनिक में LLM भाषा संभालता है, Jev आउटपुट की जाँच या रूटिंग करता है, और स्टाफ नियंत्रण में रहता है।
OpenMed मेडिकल AI के लिए Jev का मूल्यांकन शुरू करता है: स्थानीय span और संदर्भ, होस्टेड Jev स्थिति असाइन करता है, कोड ड्राफ्ट नियंत्रित करता है, और हर निर्णय अपने स्रोत से जुड़ा होता है।
लेखक ने GPT-Live-1 और TypeSafe JEV से स्वास्थ्य वॉइस एजेंट बनाया जो हर टर्न पर इरादा वर्गीकृत करता है और अगला सुरक्षित कदम चुनता है; "मेरे सीने में दर्द है" कहने पर शेड्यूलिंग रुक जाती है और क्लिनिकल स्टाफ को रूट किया जाता है।
टीम ने Solomon 27B को JEV के ओपन-वेट विकल्प के रूप में जारी किया, जो Qwen3.8-27B पर आधारित है और इसकी क्षमताओं को व्यापक रूप से बनाए रखता है, एक हेल्थकेयर मॉडल के रूप में।
यह पोस्ट एक क्लिनिकल वर्कफ़्लो दिखाती है जहाँ GLiNER मेटफॉर्मिन ढूंढता है, DeBERTa विरोधाभास पकड़ता है, Jev block_conflict लौटाता है, और कोड अपडेट रोककर मानव समीक्षा के लिए भेजता है—तीन मॉडल परिवारों की अलग-अलग भूमिकाएँ एक फेल-क्लोज़्ड प्रवाह में।
लेखक Jev के साथ अपना अनुभव साझा करता है और बताता है कि यह स्वास्थ्य सेवा के असंरचित डेटा के वर्गीकरण, फ़िल्टरिंग, सफ़ाई और वर्कफ़्लो रूटिंग को कैसे सस्ता और तेज़ बना सकता है।
उपयोगकर्ता बताता है कि कई स्वास्थ्य प्रणालियाँ दस्तावेज़ों को तीसरे पक्ष के ऐप्स या API पर भेजने से मना करती हैं, जिससे Jev का PII मास्किंग इंजन इस उपयोग के लिए अनुपयुक्त हो जाता है।
एक प्रोडक्ट मैनेजर ने TypeSafe Jev आज़माने का अनुभव साझा किया, जिसमें हेल्थकेयर वर्कफ़्लो की वर्गीकरण और रूटिंग संबंधी चुनौतियों पर काम किया गया।
चर्चा कि ट्राइएज, रूटिंग, स्कोरिंग, स्क्रीनिंग और एस्केलेशन जैसे सीमित क्लिनिकल AI निर्णय Jev और System One मॉडल से कैसे लाभ उठा सकते हैं।
लेखक Jev की प्रायिकता अंशांकन का उपयोग करके गंभीर रूप से बीमार रोगियों के लिए जीवन-संकेत गिरावट सिम्युलेटर बनाने और यांत्रिक अलार्म की कमियों को सुधारने का प्रस्ताव देता है।