OpenMed testade på fyra fiktiva medicinska anteckningar: Jev fick 16/16, Laya 13/16; på frågor om läkemedelskonflikter 4/4 mot 2/4. Författaren påpekar att detta är en användbar diagnos, inte en uppskattning av klinisk noggrannhet.
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.
Under live kliniska konsultationer förser en ambient scribe regelbundet Jev med transkriptioner, och Jev traverserar en medicinsk ontologi för att klassificera symtom, uppdatera differentialdiagnosen, föreslå behandlingar och identifiera varningssignaler i realtid.
Författaren visar hur man triagerar en patient till rätt läkare med endast TypeSafe AI:s Jev-modell och lite kod för att ställa frågor, och noterar att ingen LLM används under samtalet.
En utvecklare delar med sig av att bygga en kalorispårningsapp med Jev och betonar den omedelbara upplevelsen.
