OpenMed testte vier fictieve medische notities: Jev scoorde 16/16, Laya 13/16; bij vragen over medicatieconflicten 4/4 tegen 2/4. De auteur merkt op dat dit een nuttige diagnose is, geen schatting van klinische nauwkeurigheid.
Four typed questions across four authored fictional notes, labels written before the calls. Jev 16/16, Laya 13/16. On the medication-conflict question alone: 4/4 vs 2/4. A useful diagnostic, not a clinical accuracy estimate.
Tijdens live klinische consulten levert een ambient scribe periodiek transcripties aan Jev, die een medische ontologie doorloopt om symptomen te classificeren, de differentiële diagnose bij te werken, behandelingen voor te stellen en rode vlaggen in realtime te identificeren.
De auteur demonstreert hoe een patiënt naar de juiste arts wordt verwezen met alleen het Jev-model van TypeSafe AI en wat code om vragen te stellen, en merkt op dat er tijdens het gesprek geen LLM wordt gebruikt.
Een ontwikkelaar deelt het bouwen van een calorie-tracking-app met Jev en benadrukt de directe ervaring.
