Autor dzieli się przeniesieniem kroku decyzyjnego triażu przyjęć medycznych z LLM do Jev (@typesafeai): 25 typowanych pytań, 0,29 s, 0,00015 USD, kod prowadzi przepływ pracy, wraz z metodą, liczbami i ograniczeniami.
Healthcare intake is the hard case for AI triage: complex workflow, safeguards everywhere, a human able to check every decision. We moved the decision step from an LLM to Jev (@typesafeai): 25 typed questions, 0.29 s, $0.00015, code walks the workflow. Method, numbers, limits
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.
