La combinación de las herramientas Unsiloed y Jev permite detectar errores de extracción y valores implausibles en documentos médicos mediante un pipeline de verificación. Unsiloed extrae campos estructurados y localiza las citas de origen en la imagen, mientras que Jev evalúa la plausibilidad de la información extraída mediante preguntas tipadas. Este enfoque separa la lectura óptica de la lógica de negocio, permitiendo identificar errores de OCR o transcripciones incorrectas que podrían pasar desapercibidas en el flujo de datos.
El sistema utiliza tres tipos de respuestas de Jev: Noul para probabilidades, Choice para opciones nombradas y Score para rubricas. En el caso de la revisión de recetas, se asignan identificadores a cada fila de medicamentos y se envía el estado de extracción a Jev para evaluar si la dosis y frecuencia son lógicas para el contexto clínico. Por ejemplo, una dosis de cetirizina con una mancha de café podría tener una baja puntuación de extracción pero una alta plausibilidad si el texto extraído es legible, o viceversa. El código de aplicación decide si una fila requiere revisión basándose en umbrales de confianza: si la puntuación de extracción es inferior a 0.90 o la respuesta de Jev es inferior a 0.50, se marca la fila para revisión manual. Esta metodología garantiza que los datos críticos sean validados tanto por su origen visual como por su coherencia lógica, reduciendo riesgos en la reconciliación de medicamentos.