Jev 在实时临床问诊中辅助鉴别诊断
在实时临床问诊中，环境记录工具将转录文本周期性提供给 Jev，Jev 遍历医学本体，实时分类症状、更新鉴别诊断、建议治疗方案并识别危险信号。
Perplexity进入决策模型领域，临床评估对比Jev等模型
在669个合成临床病例中，Perplexity准确率96.1%，GPT-6 Luna为95.2%，Jev为93.9%。这些是Clinical System One的初步结果，并非临床验证。
Perplexity entra fuerte a los modelos de decisión. En 669 casos clínicos sintéticos: Perplexity: 96.1% GPT-6 Luna: 95.2% Jev: 93.9% Son resultados preliminares de Clinical System One, no una validación clínica. https://edgeevals.ai/system-one/
· 0 次赞在 X 打开
更多类似内容
使用 Jev 模型进行患者分诊示例
作者演示了如何仅使用 TypeSafe AI 的 Jev 模型和少量提问代码，将患者分诊到合适的医生，并指出对话中未使用 LLM。
用 Jev 打造即时卡路里追踪应用
开发者分享使用 Jev 构建卡路里追踪应用，强调其即时响应体验。
