Agentic AI in Healthcare & Medicine: A Seven-Dimensional Taxonomy for Empirical Evaluation of LLM-based Agents

Resumen Técnico: IA Agéntica en el Cuidado de la Salud y la Medicina: Una Taxonomía de Siete Dimensiones para la Evaluación Empírica de Agentes Basados en LLM

Planteamiento del Problema
La rápida aparición de agentes basados en Modelos de Lenguaje de Gran Escala (LLM) en el cuidado de la salud y la medicina ha demostrado competencia en tareas que van desde el análisis de Registros Médicos Electrónicos (EHR) y el diagnóstico diferencial hasta la planificación de tratamientos. Sin embargo, la literatura existente carece de un marco unificado para evaluar estos sistemas. Los estudios actuales están fragmentados, consistiendo ya sea en revisiones generales que carecen de profundidad o en inmersiones estrechas en capacidades específicas (por ejemplo, memoria o razonamiento) sin un marco operativo común. Esta ausencia de una taxonomía estructurada dificulta la capacidad de comparar metodologías, evaluar la prevalencia de capacidades e identificar las brechas entre los prototipos de etapa temprana y los sistemas clínicos confiables.

Metodología
Para abordar esta brecha, los autores realizaron una revisión sistemática de 49 artículos de investigación publicados entre octubre de 2023 y junio de 2025. El proceso de selección siguió un protocolo de filtrado de tres pasos utilizando recursos como Google Scholar, PubMed, DBLP, Scopus y ArXiv, adhiriéndose a las directrices de estilo PRISMA. Los criterios de inclusión requirieron que el LLM fuera el controlador central de la planificación y la toma de decisiones del agente y que el estudio abordara explícitamente tareas de salud o medicina.

Los autores desarrollaron una nueva taxonomía de siete dimensiones que comprende 29 subdimensiones operativas para evaluar los estudios seleccionados. Las dimensiones son:

1. Capacidades Cognitivas (Planificación, Percepción, Acción, Meta-capacidades, Consistencia y Resolución de Conflictos)
2. Gestión del Conocimiento (Integración de Conocimiento Externo, Módulo de Memoria, Actualizaciones Dinámicas y Olvido)
3. Patrones de Interacción (Modo Conversacional, Activación por Eventos, Humano en el Bucle, Recuperación de Errores)
4. Adaptación y Aprendizaje (Detección y Mitigación de Deriva, Adaptación Basada en Refuerzo, Meta-aprendizaje y Few-Shot)
5. Seguridad y Ética (Salvaguardas de Seguridad y Robustez Adversaria, Sesgo y Equidad, Mecanismos de Preservación de la Privacidad, Restricciones Regulatorias y de Cumplimiento)
6. Tipología de Marco de Trabajo (Diseño Multi-agente, Orquestación Centralizada)
7. Tareas Principales y Subtareas (Documentación Clínica, Respuesta a Preguntas Médicas, Triaje, Razonamiento Diagnóstico, Planificación de Tratamientos, Descubrimiento de Fármacos, Interacción con el Paciente, Benchmarking)

Cada estudio fue mapeado a esta taxonomía utilizando una rúbrica de etiquetado: Totalmente Implementado (✓), Parcialmente Implementado (∆) o No Implementado (✗). Los autores emplearon una estrategia de asignación conservadora, por defecto "Parcialmente Implementado" para afirmaciones implícitas y "No Implementado" para aserciones que carecían de un procedimiento o evaluación concretos.

Contribuciones Clave

• Taxonomía Estructurada: La contribución principal es la definición de una taxonomía de 7 dimensiones y 29 subdimensiones diseñada específicamente para la evaluación empírica de agentes basados en LLM en el cuidado de la salud.
• Línea Base Empírica: El artículo proporciona el primer análisis cuantitativo a gran escala de la prevalencia de capacidades y los patrones de coocurrencia en 49 estudios, yendo más allá de las descripciones cualitativas.
• Visualización y Mapeo: Los autores proporcionan tablas y diagramas detallados que mapean artículos específicos a la taxonomía, sirviendo como un índice de navegación para el campo.
• Identificación de Asimetrías: El análisis revela disparidades claras entre las capacidades bien desarrolladas (por ejemplo, recuperación de información) y las brechas críticas en seguridad, adaptación y tareas orientadas a la acción.

Resultados Clave y Hallazgos
El análisis empírico revela asimetrías significativas en el estado actual de la IA Agéntica en el cuidado de la salud:

• Capacidades Cognitivas: Existe una marcada falta de mecanismos robustos para la descomposición de tareas de largo alcance y el automonitoreo. La Planificación está ausente en ~45% de los estudios, las Meta-capacidades en ~53%, y la Consistencia y Resolución de Conflictos en ~61%. Aunque la Percepción y la Acción muestran tasas de implementación más altas, a menudo carecen de fiabilidad de extremo a extremo.
• Gestión del Conocimiento: La Integración de Conocimiento Externo está ampliamente realizada (76% totalmente implementada), a menudo mediante Generación Aumentada por Recuperación (RAG). Sin embargo, las Actualizaciones Dinámicas y el Olvido están mayormente ausentes (98% no implementados), lo que indica que los agentes tienen dificultades para mantener la higiene del conocimiento o adaptarse a las guías en evolución.
• Patrones de Interacción: Mientras que el Modo Conversacional es relativamente común (43% totalmente implementado), la Activación por Eventos es rara (92% no implementada), lo que sugiere una fuerte dependencia de la instrucción manual en lugar del monitoreo autónomo de señales externas. Los mecanismos de Humano en el Bucle y Recuperación de Errores también son escasos.
• Adaptación y Aprendizaje: Esta dimensión muestra la menor adopción. La Detección y Mitigación de Deriva está esencialmente ausente (0% totalmente implementada, ~98% no implementada). La Adaptación Basada en Refuerzo y el Meta-aprendizaje son de manera similar insuficientes, con la mayoría de los sistemas dependiendo de prompts estáticos.
• Seguridad y Ética: La madurez de la implementación es limitada. Las Salvaguardas de Seguridad y la Equidad y Sesgo se implementan plenamente en solo 6% y ~10% de los estudios, respectivamente. Las Restricciones Regulatorias y de Cumplimiento son lo más poco desarrollado (86% no implementado), con pocos estudios que demuestran un cumplimiento verificable en tiempo de ejecución.
• Tipología de Marco de Trabajo: El Diseño Multi-agente es el patrón dominante (82% totalmente implementado), reflejando un cambio hacia la especialización basada en roles. Sin embargo, la Orquestación Centralizada sigue siendo mayormente parcial (57%), lo que indica que aunque los agentes son modulares, las capas de control que los gestionan aún no son del todo robustas.
• Tareas Principales: Las tareas centradas en la información como la Respuesta a Preguntas Médicas (57% totalmente implementada) y el Benchmarking (80% totalmente implementado) lideran en madurez. En contraste, las tareas orientadas a la acción y al descubrimiento rezagan significativamente; la Planificación de Tratamientos y Prescripción está totalmente implementada en solo ~20% de los estudios, y el Descubrimiento de Fármacos en ~18%.

Significancia y Reivindicaciones
El artículo afirma que sus hallazgos proporcionan una línea base empírica que indica que los agentes actuales basados en LLM sobresalen en el asesoramiento basado en recuperación y la síntesis de información. Sin embargo, el campo requiere plataformas de adaptación, cumplimiento y mecanismos de seguridad más fuertes para transicionar de los prototipos de investigación de etapa temprana a sistemas clínicos confiables.

Los autores enfatizan que, si bien el campo ha realizado avances significativos en el diseño modular y la recuperación de información, persisten brechas críticas en la detección de deriva, las actualizaciones dinámicas de conocimiento, la recuperación de errores y la alineación regulatoria. Argumentan que, sin abordar estas asimetrías específicas, el despliegue de estos agentes en entornos clínicos de alto riesgo sigue siendo riesgoso. El artículo se posiciona como un recurso fundamental para guiar la investigación futura hacia el desarrollo de agentes robustos, seguros y éticamente responsables, señalando explícitamente que los desafíos de escalabilidad y la ingeniería a escala de producción quedan fuera de su alcance.