In der Demo warten 20 Patienten auf 3 Ärzte und 3 Räume. Wenn ein Raum frei wird, wählt Jev (TypeSafe Choice) den nächsten Patienten aus, zuerst nach dem schwersten ESI-Level, bei Gleichstand nach früherer Ankunft.
Built a 2D hospital triage demo for a talk. 20 patients wait. 3 doctors, 3 rooms. When a room frees up, Jev (TypeSafe Choice) picks who goes in next. Sickest ESI level first, ties go to whoever arrived earlier.
Während live klinischer Konsultationen liefert ein Ambient-Scribe regelmäßig Transkripte an Jev, der eine medizinische Ontologie durchläuft, um Symptome zu klassifizieren, die Differenzialdiagnose zu aktualisieren, Behandlungen vorzuschlagen und Warnsignale in Echtzeit zu erkennen.
Der Autor zeigt, wie man einen Patienten nur mit dem Jev-Modell von TypeSafe AI und etwas Code für Fragen an den richtigen Arzt überweist, und weist darauf hin, dass während des Gesprächs kein LLM verwendet wird.
Ein Entwickler teilt die Erstellung einer Kalorien-Tracking-App mit Jev und hebt die sofortige Erfahrung hervor.
