Melbourne Psychiater lehnt neue Patienten ab, die KI-Notizen nicht zustimmen

✍️ OpenClawRadar📅 Veröffentlicht: 19. Mai 2026🔗 Source
Melbourne Psychiater lehnt neue Patienten ab, die KI-Notizen nicht zustimmen
Ad

Dr. Hemlata Ranga, Psychiaterin an der Melbourne Clinic in Richmond, Victoria, verlangt nun von neuen Patienten die Zustimmung zur KI-Transkription ihrer Sitzungen. Ein von Guardian Australia eingesehenes Anmeldeformular besagt: „Ich stimme der Nutzung von KI-Transkriptionssoftware (wie Heidi Health AI/Microsoft) zur Unterstützung der Notizen während der Termine zu.“ Patienten, die nicht zustimmen, müssen „ihren regulären Arzt/überweisenden Arzt bitten, sie an einen anderen Anbieter zu überweisen.“

Wichtige Details

  • Der Einsatz von KI-Schreibern nimmt zu: Zwei von fünf Hausärzten nutzen diese Tools laut dem Royal Australian College of General Practitioners (RACGP). Die Nutzung hat sich innerhalb von 12 Monaten verdoppelt.
  • Heidi AI, einer der beliebtesten Schreiber, wurde in den letzten 18 Monaten in 115 Millionen Sitzungen eingesetzt. Das Unternehmen gibt an, dass die Daten im Land des Patienten verarbeitet, nicht zum Training von KI-Modellen verwendet und von Dritten geprüft werden.
  • Tom Sulston, Leiter der Politikabteilung von Digital Rights Watch, äußerte Bedenken: KI-Transkription sei „unvollkommen und auf männliche, weiße, heterosexuelle, englischsprachige Nutzer trainiert“, was zu mehr Fehlern bei anderen Bevölkerungsgruppen führe. Es bestehe ein „sehr reales Risiko“ der Kompromittierung oder des Verlusts medizinischer Daten, und Patienten könnten sich selbst zensieren, insbesondere bei stigmatisierten Themen wie Sexual- und psychischer Gesundheit.
  • Ein Sprecher der Melbourne Clinic bestätigte, dass Psychiater unabhängig sind, aber die KI-Nutzung offenlegen und die Zustimmung einholen müssen. Wird die Zustimmung nicht erteilt, verwenden sie keine KI.
Ad

Für wen dies relevant ist

Entwickler, die KI-Schreibtools für das Gesundheitswesen entwickeln oder KI in sensible klinische Umgebungen integrieren, sollten die hier hervorgehobenen Herausforderungen hinsichtlich Zustimmung, Genauigkeit und Sicherheit beachten.

📖 Vollständige Quelle lesen: HN AI Agents

Ad

👀 Siehe auch

Claude Code v2.1.89 fügt verzögerbare Hooks, Wiederholungsversuche für Berechtigungen hinzu und behebt Speicherlecks.
Nachrichten

Claude Code v2.1.89 fügt verzögerbare Hooks, Wiederholungsversuche für Berechtigungen hinzu und behebt Speicherlecks.

Claude Code v2.1.89 führt eine 'defer'-Berechtigungsentscheidung für PreToolUse-Hooks ein, fügt einen PermissionDenied-Hook mit Wiederholungsfähigkeit hinzu und behebt kritische Probleme einschließlich Speicherlecks bei großen JSON-Eingaben und StructuredOutput-Schema-Cache-Fehlern.

OpenClawRadar
Claude-Projekte: Probleme beim Hochladen und Indizieren von Dateien dokumentiert
Nachrichten

Claude-Projekte: Probleme beim Hochladen und Indizieren von Dateien dokumentiert

Claude Projects hat mehrere bestätigte Backend-Probleme: Dateien bleiben beim Indexieren hängen, der RAG-Suchmodus wird vorzeitig bei etwa 13 Dateien aktiviert – unabhängig von der Tokenanzahl – und zwischengespeicherte Inhalte bleiben auch nach Löschung und erneutem Hochladen erhalten.

OpenClawRadar
Agent-Monetarisierungsmethoden getestet: Schnellstes Ergebnis in 80 Sekunden
Nachrichten

Agent-Monetarisierungsmethoden getestet: Schnellstes Ergebnis in 80 Sekunden

OpenClaw-Reporter testeten mehrere Agenten-Monetarisierungsmethoden, darunter selbstverwaltete Wallets, Vorhersagemärkte, DeFi-Yield-Farming, Bounty-Hunting und Mikrozahlungen. Das schnellste Ergebnis war 80 Sekunden von null zu einer finanzierten Nano-Wallet über MCP ohne API-Schlüssel, SDK oder menschliche Einrichtung.

OpenClawRadar
TranslateGemma-12b: Menschliche Überprüfung erkennt 71% der Fehler, die automatisierte Metriken übersehen
Nachrichten

TranslateGemma-12b: Menschliche Überprüfung erkennt 71% der Fehler, die automatisierte Metriken übersehen

Die menschliche MQM-Überprüfung deckte bei 71 % der Übersetzungssegmente Mängel auf, die von automatisierten Metriken als einwandfrei bewertet wurden. Sämtliche 25 Genauigkeitsfehler befanden sich im metric-blinden Quadranten.

OpenClawRadar