Jevモデルを使った患者トリアージの例
著者はTypeSafe AIのJevモデルと質問用のコードのみを使い、患者を適切な医師にトリアージする方法を実演し、会話中にLLMを使用していないと述べている。
Jevがリアルタイム臨床診療で鑑別診断を支援
リアルタイムの臨床診療において、アンビエント記録ツールが文字起こしを定期的にJevに提供し、Jevは医学オントロジーを辿って症状を分類し、鑑別診断を更新し、治療を提案し、危険信号をリアルタイムで特定する。
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
Jevで瞬時のカロリー追跡アプリを構築
開発者がJevでカロリー追跡アプリを構築し、その即時性を強調。
医療トリアージ判断をJevへ移行：25の型付き質問、0.29秒、$0.00015
医療受付トリアージの判断ステップをLLMからJev（@typesafeai）へ移行した実践を共有：25の型付き質問、0.29秒、$0.00015、コードがワークフローを進行。手法・数値・限界も記載。
