Jev читает КТ-сканы
Пост показывает Jev читающим снимки КТ, что демонстрирует его применение в медицинской визуализации.
THE JEV GUIDE · CURATED EDITION
Новости запусков, объяснения, демо и проекты сообщества вокруг TypeSafe Jev, сгруппированные по темам. Каждая запись ведет к исходному посту в X.
Кураторская подборка · Не полный список · Ручное обновление
01 / EXPLORE
0 means awaiting a verified post
Пост показывает Jev читающим снимки КТ, что демонстрирует его применение в медицинской визуализации.
Вдохновлённый Jev и сообществом открытого исходного кода, MedJev преобразует клинические заметки в свободной форме в структурированные поля и работает на потребительских GPU.
В посте говорится, что Jev — не очередной чат-бот, а инструмент для выбора, оценки и маршрутизации, тогда как LLM создаёт черновики, резюмирует и ведёт диалог. В клинике LLM отвечает за язык, Jev проверяет или маршрутизирует вывод, а сотрудники сохраняют контроль.
OpenMed начинает оценку Jev для медицинского ИИ: локальные span и контекст, размещённый Jev назначает статус, код управляет черновиком, каждое решение связано с источником.
Автор создал голосовой медицинский агент на GPT-Live-1 и TypeSafe JEV, который на каждом шаге классифицирует намерение и выбирает безопасное действие; фраза «у меня боль в груди» останавливает запись и переводит на клинический персонал.
Команда выпустила Solomon 27B как открытую альтернативу JEV на базе Qwen3.8-27B, в основном сохранив его возможности, позиционируя как медицинскую модель.
В этом посте показан клинический процесс: GLiNER находит метформин, DeBERTa выявляет противоречие, Jev возвращает block_conflict, а код останавливает обновление для проверки человеком — три семейства моделей с разными задачами в процессе fail-closed.
Автор делится опытом использования Jev и исследует, как он может сделать классификацию, фильтрацию, очистку и маршрутизацию рабочих процессов неструктурированных медицинских данных дешевле и быстрее.
Пользователь отмечает, что многие медицинские системы требуют не отправлять документы сторонним приложениям или API, из-за чего движок маскирования PII от Jev неприменим в этом сценарии.
Продакт-менеджер делится опытом тестирования TypeSafe Jev для решения медицинских рабочих процессов с интенсивной классификацией и маршрутизацией.
Обсуждение того, как ограниченные клинические решения (триаж, маршрутизация, оценка, скрининг, эскалация) могут выиграть от моделей Jev и System One.
Автор предлагает использовать калибровку вероятностей Jev для создания симулятора ухудшения жизненных показателей у тяжелобольных пациентов и улучшения механических сигналов тревоги.