Jev читає КТ-скани
Пост показує, як Jev читає знімки КТ, що демонструє його застосування в медичній візуалізації.
THE JEV GUIDE · CURATED EDITION
Новини запусків, пояснення, демо та проєкти спільноти навколо TypeSafe Jev, впорядковані за темами. Кожен запис веде до джерела в X.
Редакційна добірка · Не повний список · Ручне оновлення
01 / EXPLORE
0 means awaiting a verified post
Пост показує, як Jev читає знімки КТ, що демонструє його застосування в медичній візуалізації.
Натхненний Jev і спільнотою відкритого коду, MedJev перетворює клінічні нотатки вільного тексту на структуровані поля та працює на споживчих GPU.
У дописі пояснюється, що Jev — не черговий чат-бот, а створений для вибору, оцінювання та маршрутизації; LLM створює чернетки, підсумовує та веде діалог. У клініці LLM відповідає за мову, Jev перевіряє або маршрутизує вивід, а персонал зберігає контроль.
OpenMed починає оцінку Jev для медичного ШІ: локальні span і контекст, розміщений Jev призначає статус, код керує чернеткою, кожне рішення пов'язане з джерелом.
Автор створив голосовий медичний агент на GPT-Live-1 і TypeSafe JEV, який на кожному кроці класифікує намір і вибирає безпечну дію; фраза «у мене біль у грудях» зупиняє запис і переводить на клінічний персонал.
Команда випустила Solomon 27B як відкриту альтернативу JEV на базі Qwen3.8-27B, здебільшого зберігаючи його можливості, позиціонуючи як медичну модель.
Цей допис показує клінічний процес, де GLiNER знаходить метформін, DeBERTa виявляє суперечність, Jev повертає block_conflict, а код зупиняє оновлення для перевірки людиною — три родини моделей з різними завданнями в процесі fail-closed.
Автор ділиться досвідом використання Jev і досліджує, як він може зробити класифікацію, фільтрацію, очищення та маршрутизацію робочих процесів неструктурованих медичних даних дешевшими та швидшими.
Користувач зазначає, що багато медичних систем вимагають не надсилати документи стороннім застосункам чи API, тому механізм маскування PII від Jev непридатний для цього випадку.
Продакт-менеджер ділиться досвідом тестування TypeSafe Jev для медичних робочих процесів із інтенсивною класифікацією та маршрутизацією.
Обговорення того, як обмежені клінічні рішення (тріаж, маршрутизація, оцінювання, скринінг, ескалація) можуть отримати користь від моделей Jev та System One.
Автор пропонує використати калібрування ймовірностей Jev для створення симулятора погіршення життєвих показників у тяжкохворих пацієнтів і покращення механічних сигналів тривоги.