Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind18. September 2019 · Q006154

DeepMind’s health team joins Google Health

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Blogbeitrag meldet den Wechsel des DeepMind-Gesundheitsteams zu Google Health und nennt medizinische KI- und Forschungsprojekte als Beispiele für die bisherige Arbeit. Laut Verfasser behalten die Partner die Kontrolle über Patientendaten; unabhängige Belege für die angeführten Wirkungen und weitere Datenschutzdetails liefert der Text nicht.

Mittel

Der Beitrag kündigt an, dass DeepMinds Gesundheitsteam zu Google Health wechselt. Der Verfasser sagt, das Team habe in drei Jahren KI-Forschung und mobile Werkzeuge für komplexe Aufgaben im Gesundheitswesen entwickelt. Bei Google Health solle es zusätzliches Fachwissen zu App-Entwicklung, Datensicherheit, Cloud-Speicherung und nutzerorientiertem Design nutzen, um Behandlungsteams zu unterstützen und Patientenergebnisse zu verbessern.

Als Hintergrund nennt der Verfasser seine Erfahrungen als Chirurg und Forscher im britischen NHS: Veraltete Systeme und Pager erschwerten seiner Ansicht nach eine schnelle und sichere Versorgung, und bessere Werkzeuge könnten vermeidbare Todesfälle verhindern. Der Text verweist auf einen mobilen medizinischen Assistenten und drei Forschungskooperationen: Augenerkennung anhand von Scans, Planung von Krebsbestrahlung und eine bis zu 48 Stunden frühere Vorhersage einer Zustandsverschlechterung. Bestehende Partnerschaften sollten weitergeführt werden.

Zum Übergang erklärt der Beitrag, die Partner hätten Zeit für Fragen und die Entscheidung über eine Fortsetzung erhalten. Sie behielten laut Verfasser die Kontrolle über Patientendaten, deren Nutzung der Verbesserung der Versorgung unter ihrer Aufsicht dienen solle. Die Wirkungs- und Projektaussagen stammen aus dem Blogbeitrag; unabhängige Nachweise oder nähere Datenschutzdetails enthält der Text nicht.

Ausführlich lesen

Der Blogbeitrag kündigt an, dass das Gesundheitsteam von DeepMind offiziell zu Google Health wechselt. Der Verfasser beschreibt, wie DeepMind in den vorangegangenen drei Jahren ein Team aufgebaut habe, das mit KI-Forschung und mobilen Werkzeugen komplexe Probleme im Gesundheitswesen bearbeite. Die Arbeit habe bereits positive Auswirkungen auf Patienten und Behandlungsteams. Unter der Leitung von David Feinberg und in Zusammenarbeit mit anderen Google-Teams solle das Team künftig auf weltweite Erfahrung etwa bei der Entwicklung von Apps, Datensicherheit, Cloud-Speicherung und nutzerorientiertem Design zurückgreifen können. Ziel seien Produkte, die Behandlungsteams unterstützen und Behandlungsergebnisse verbessern.

Zur Begründung verweist der Verfasser auf seine frühere Tätigkeit als Chirurg und Forscher im britischen National Health Service. Er habe dort erlebt, dass Technik die Arbeit von Pflegekräften und Ärzten sowohl unterstützen als auch erschweren könne. Selbst in fortschrittlichen Krankenhäusern seien Beschäftigte seiner Darstellung nach oft auf umständliche Desktop-Systeme und Pager angewiesen, was eine schnelle und sichere Versorgung erschwere. Er behauptet, jedes Jahr stürben Tausende Menschen in Krankenhäusern an vermeidbaren Erkrankungen wie Sepsis und akuter Nierenschädigung; bessere Werkzeuge könnten Leben retten. Dies sei ein Beweggrund für seinen Eintritt bei DeepMind und für die Fortsetzung der Arbeit bei Google Health.

Als Beispiele nennt der Beitrag einen mobilen medizinischen Assistenten für Kliniker, dessen Nutzen für Patienten und behandelnde Fachkräfte das Team bereits beobachtet habe. Die Kooperationen mit dem Royal Free London NHS Foundation Trust, Imperial College Healthcare NHS Trust und Taunton and Somerset NHS Foundation Trust sollten fortgesetzt werden. Für Forschungsprojekte führt der Text drei Ergebnisse an: Mit Moorfields Eye Hospital sei Augenerkrankung auf Scans so genau wie durch Experten erkannt worden; mit University College London Hospitals werde die Planung von Strahlentherapie bei Krebs untersucht; gemeinsam mit dem US Department of Veterans Affairs sei eine Vorhersage der Verschlechterung des Patientenzustands bis zu 48 Stunden früher als zuvor möglich gewesen. Der Verfasser sieht darin Potenzial für eine Fortsetzung und Ausweitung der Zusammenarbeit.

Der Beitrag räumt ein, dass ein solcher Wechsel Zeit brauche, und hebt die Sensibilität von Gesundheitsdaten hervor. Nach eigener Darstellung habe man den Partnern Zeit für Fragen und zum Verständnis der Pläne gegeben und ihnen die Entscheidung überlassen, ob sie die Kooperation fortsetzen. Die Partner behielten dem Text zufolge die volle Kontrolle über Patientendaten; diese sollten nur unter ihrer Aufsicht und nach ihren Anweisungen zur Verbesserung der Versorgung verwendet werden. Der Beitrag präsentiert diese Aussagen und Projektergebnisse aus Sicht des beteiligten Teams. Er erläutert weder unabhängig überprüfte Wirkungsdaten noch Einzelheiten zu Datenschutzmaßnahmen oder konkrete Belege für die genannten Todesfälle. Als erwarteten Nutzen des Zusammenschlusses nennt der Verfasser, mit Googles Fachwissen und Reichweite künftig Werkzeuge für Millionen von Patienten weltweit entwickeln zu können.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein Unternehmensblog zum Wechsel des DeepMind-Gesundheitsteams zu Google Health und enthält keine Angaben zu KI-Sicherheitsmeldungen, Prüfungen oder öffentlicher Mitsprache. Lunas Einordnung der drei Sammelfragen mit Stufe 4 ist daher zu hoch; die Zusammenfassung ist im Wesentlichen treu, nennt aber die Partner und den Leiter nicht und formuliert den Nutzen für Leben etwas stärker als der Text.

Im Bericht, aber nicht in der Zusammenfassung

  • Dr. David Feinberg als Leiter von Google Health
  • Namen der NHS-Partner (The Royal Free London, Imperial College Healthcare, Taunton and Somerset)
  • Die Aussage des Verfassers, die Technologie solle Millionen Patienten weltweit helfen
  • Die Zusicherung, dass Gesundheitsdaten nur unter Aufsicht und nach Weisung der Partner genutzt werden

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 24 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 37 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 21 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 69 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 62 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 23 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →