ตัวอย่างการคัดแยกผู้ป่วยด้วยโมเดล Jev
ผู้เขียนสาธิตวิธีคัดแยกผู้ป่วยไปยังแพทย์ที่เหมาะสมโดยใช้เพียงโมเดล Jev ของ TypeSafe AI และโค้ดสำหรับถามคำถาม โดยระบุว่าไม่มีการใช้ LLM ระหว่างการสนทนา
Jev ช่วยวินิจฉัยแยกโรคแบบเรียลไทม์ในการปรึกษาทางคลินิก
ระหว่างการปรึกษาทางคลินิกแบบสด เครื่องบันทึกเสียงโดยรอบจะส่งข้อความถอดเสียงให้ Jev เป็นระยะ โดย Jev จะไล่ตามออนโทโลยีทางการแพทย์เพื่อจำแนกอาการ อัปเดตการวินิจฉัยแยกโรค แนะนำการรักษา และระบุสัญญาณอันตรายแบบเรียลไทม์
During a live clinical consultation (with an ambient scribe), the transcript is periodically supplied to Jev, which traverses a medical ontology to classify symptoms, update the differential diagnosis, suggest treatments and identify red flags in real time.
· 429 likesOpen on X
More like this
สร้างแอปติดตามแคลอรี่แบบทันทีด้วย Jev
นักพัฒนาแบ่งปันการสร้างแอปติดตามแคลอรี่ด้วย Jev โดยเน้นประสบการณ์ทันที
ย้ายการตัดสินใจคัดแยกผู้ป่วยทางการแพทย์ไปยัง Jev: 25 คำถามแบบมีชนิด 0.29 วินาที $0.00015
ผู้เขียนแบ่งปันการย้ายขั้นตอนตัดสินใจคัดแยกผู้ป่วยรับใหม่จาก LLM ไปยัง Jev (@typesafeai): 25 คำถามแบบมีชนิด 0.29 วินาที $0.00015 โค้ดขับเคลื่อนเวิร์กโฟลว์ พร้อมวิธี ตัวเลข และข้อจำกัด
