OpenMed przetestował cztery fikcyjne notatki medyczne: Jev uzyskał 16/16, Laya 13/16; w pytaniach o konflikty lekowe 4/4 vs 2/4. Autor zauważa, że to użyteczna diagnoza, a nie oszacowanie dokładności klinicznej.
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.
Podczas konsultacji klinicznych na żywo ambientowy skryba okresowo dostarcza transkrypcje do Jev, który przeszukuje ontologię medyczną, aby klasyfikować objawy, aktualizować diagnozę różnicową, sugerować leczenie i identyfikować sygnały ostrzegawcze w czasie rzeczywistym.
Autor pokazuje, jak skierować pacjenta do właściwego lekarza, używając wyłącznie modelu Jev od TypeSafe AI i odrobiny kodu do zadawania pytań, zaznaczając, że w trakcie rozmowy nie użyto LLM.
Deweloper dzieli się tworzeniem aplikacji do śledzenia kalorii z Jev, podkreślając natychmiastowe działanie.
