Jev czyta skany CT
Post pokazuje Jev czytającego obrazy tomografii komputerowej, co ukazuje jego zastosowanie w obrazowaniu medycznym.
THE JEV GUIDE · CURATED EDITION
Wiadomości premierowe, wyjaśnienia, demo i projekty społeczności wokół TypeSafe Jev, uporządkowane według tematów. Każdy wpis prowadzi do źródła na X.
Selekcja redakcyjna · Niepełna · Aktualizowana ręcznie
01 / EXPLORE
0 means awaiting a verified post
Post pokazuje Jev czytającego obrazy tomografii komputerowej, co ukazuje jego zastosowanie w obrazowaniu medycznym.
Inspirowany Jev i społecznością open source MedJev zamienia kliniczne notatki tekstowe na ustrukturyzowane pola i działa na konsumenckich GPU.
Post wyjaśnia, że Jev nie jest kolejnym chatbotem, lecz służy do wyboru, oceniania i routingu; LLM tworzy szkice, streszcza i prowadzi rozmowę. W klinice LLM obsługuje język, Jev sprawdza lub kieruje wynik, a personel zachowuje kontrolę.
OpenMed rozpoczyna ocenę Jev pod kątem AI medycznej: lokalne spany i kontekst, hostowany Jev przypisuje status, kod kontroluje szkic, a każda decyzja jest powiązana ze źródłem.
Autor zbudował agenta głosowego w ochronie zdrowia z GPT-Live-1 i TypeSafe JEV, który w każdej turze klasyfikuje intencję i wybiera następne bezpieczne działanie; wypowiedź „boli mnie w klatce piersiowej” zatrzymuje planowanie i przekierowuje do personelu klinicznego.
Zespół wydał Solomon 27B jako otwarty zamiennik JEV, oparty na Qwen3.8-27B i w dużej mierze zachowujący jego możliwości, pozycjonowany jako model medyczny.
Ten post pokazuje przepływ kliniczny, w którym GLiNER znajduje metforminę, DeBERTa wychwytuje sprzeczność, Jev zwraca block_conflict, a kod zatrzymuje aktualizację do przeglądu przez człowieka — trzy rodziny modeli o różnych zadaniach w przepływie fail-closed.
Autor dzieli się doświadczeniami z Jev i zastanawia się, jak może on uczynić klasyfikację, filtrowanie, czyszczenie i routing przepływów nieustrukturyzowanych danych medycznych tańszymi i szybszymi.
Użytkownik zauważa, że wiele systemów opieki zdrowotnej wymaga, aby dokumenty nie były wysyłane do aplikacji lub API stron trzecich, co czyni silnik maskowania PII Jev bezużytecznym w tym przypadku.
Product manager dzieli się doświadczeniem z testowania TypeSafe Jev do obsługi medycznych workflow o dużym udziale klasyfikacji i routingu.
Dyskusja o tym, jak ograniczone decyzje kliniczne, takie jak triage, routing, scoring, screening i eskalacja, mogą korzystać z modeli Jev i System One.
Autor proponuje wykorzystanie kalibracji prawdopodobieństwa Jev do stworzenia symulatora pogorszenia parametrów życiowych u pacjentów krytycznych i ulepszenia mechanicznych alarmów.