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

Résumé Technique : L'IA Agentique en Santé et Médecine : Une Taxonomie à Sept Dimensions pour l'Évaluation Empirique des Agents basés sur les LLM

Énoncé du Problème
L'émergence rapide des agents basés sur les Grands Modèles de Langage (LLM) dans le domaine de la santé et de la médecine a démontré une compétence dans des tâches allant de l'analyse des dossiers de santé électroniques (DSE) au diagnostic différentiel, en passant par la planification de traitements. Cependant, la littérature existante manque d'un cadre unifié pour évaluer ces systèmes. Les études actuelles sont fragmentées, consistant soit en des enquêtes larges manquant de profondeur, soit en des analyses étroites de capacités spécifiques (par exemple, la mémoire ou le raisonnement) sans cadre opérationnel commun. Cette absence de taxonomie structurée entrave la capacité de comparer les méthodologies, d'évaluer la prévalence des capacités et d'identifier les écarts entre les prototypes de stade précoce et les systèmes cliniques fiables.

Méthodologie
Pour combler cette lacune, les auteurs ont mené une revue systématique de 49 articles de recherche publiés entre octobre 2023 et juin 2025. Le processus de sélection a suivi un protocole de filtrage en trois étapes utilisant des ressources telles que Google Scholar, PubMed, DBLP, Scopus et ArXiv, en respectant les directives de type PRISMA. Les critères d'inclusion exigeaient que le LLM soit le contrôleur central de la planification et de la prise de décision de l'agent et que l'étude traite explicitement de tâches de santé ou de médecine.

Les auteurs ont développé une nouvelle taxonomie à sept dimensions comprenant 29 sous-dimensions opérationnelles pour évaluer les études sélectionnées. Les dimensions sont :

1. Capacités Cognitives (Planification, Perception, Action, Méta-capacités, Cohérence et Résolution de Conflits)
2. Gestion des Connaissances (Intégration de Connaissances Externes, Module de Mémoire, Mises à jour Dynamiques et Oubli)
3. Modes d'Interaction (Mode Conversationnel, Activation Déclenchée par Événement, Humain dans la Boucle, Récupération d'Erreurs)
4. Adaptation et Apprentissage (Détection et Atténuation de la Dérive, Adaptation Basée sur le Renforcement, Méta-apprentissage et Few-Shot)
5. Sécurité et Éthique (Garde-fous de Sécurité et Robustesse Adversaire, Biais et Équité, Mécanismes de Préservation de la Vie Privée, Contraintes Réglementaires et de Conformité)
6. Typologie de Framework (Conception Multi-Agents, Orchestration Centralisée)
7. Tâches Fondamentales et Sous-tâches (Documentation Clinique, Questions-Réponses Médicales, Triage, Raisonnement Diagnostique, Planification de Traitement, Découverte de Médicaments, Interaction avec le Patient, Benchmarking)

Chaque étude a été cartographiée selon cette taxonomie à l'aide d'une grille d'étiquetage : Entièrement Implémenté (✓), Partiellement Implémenté (∆), ou Non Implémenté (✗). Les auteurs ont employé une stratégie d'assignation conservatrice, par défaut « Partiellement Implémenté » pour les affirmations implicites et « Non Implémenté » pour les assertions manquant de procédure concrète ou d'évaluation.

Contributions Clés

• Taxonomie Structurée : La principale contribution est la définition d'une taxonomie à 7 dimensions et 29 sous-dimensions spécifiquement conçue pour l'évaluation empirique des agents basés sur les LLM en santé.
• Base de Référence Empirique : L'article fournit la première analyse quantitative à grande échelle de la prévalence des capacités et des modèles de cooccurrence à travers 49 études, dépassant les aperçus qualitatifs.
• Visualisation et Cartographie : Les auteurs fournissent des tableaux et diagrammes détaillés reliant des articles spécifiques à la taxonomie, servant d'index de navigation pour le domaine.
• Identification des Asymétries : L'analyse révèle des disparités claires entre les capacités bien développées (ex: récupération d'informations) et les lacunes critiques en matière de sécurité, d'adaptation et de tâches orientées vers l'action.

Résultats Clés et Conclusions
L'analyse empirique fait surface des asymétries significatives dans l'état actuel de l'IA Agentique en santé :

• Capacités Cognitives : Il existe un manque marqué de mécanismes robustes pour la décomposition de tâches à long terme et l'auto-surveillance. La Planification est absente dans environ 45 % des études, les Méta-capacités dans environ 53 %, et la Cohérence et Résolution de Conflits dans environ 61 %. Bien que la Perception et l'Action présentent des taux d'implémentation plus élevés, elles manquent souvent de fiabilité de bout en bout.
• Gestion des Connaissances : L'Intégration de Connaissances Externes est largement réalisée (76 % entièrement implémentée), souvent via la Génération Augmentée par Récupération (RAG). Cependant, les Mises à jour Dynamiques et l'Oubli sont largement absents (98 % non implémentés), indiquant que les agents peinent à maintenir l'hygiène des connaissances ou à s'adapter aux directives évolutives.
• Modes d'Interaction : Bien que le Mode Conversationnel soit relativement courant (43 % entièrement implémenté), l'Activation Déclenchée par Événement est rare (92 % non implémentés), suggérant une forte dépendance au prompting manuel plutôt qu'à une surveillance autonome des signaux externes. Les mécanismes d'Humain dans la Boucle et de Récupération d'Erreurs sont également rares.
• Adaptation et Apprentissage : Cette dimension présente l'adoption la plus faible. La Détection et l'Atténuation de la Dérive est essentiellement absente (0 % entièrement implémentée, ~98 % non implémentés). L'Adaptation Basée sur le Renforcement et le Méta-apprentissage sont similairement sous-développés, la plupart des systèmes reposant sur des prompts statiques.
• Sécurité et Éthique : La maturité de l'implémentation est limitée. Les Garde-fous de Sécurité et l'Équité/Biais sont entièrement implémentés dans seulement 6 % et ~10 % des études, respectivement. Les Contraintes Réglementaires et de Conformité sont les plus sous-construits (86 % non implémentés), peu d'études démontrant une conformité vérifiable lors de l'exécution.
• Typologie de Framework : La Conception Multi-Agents est le modèle dominant (82 % entièrement implémenté), reflétant un passage vers une spécialisation par rôles. Cependant, l'Orchestration Centralisée reste majoritairement partielle (57 %), indiquant que si les agents sont modulaires, les couches de contrôle qui les gèrent ne sont pas encore totalement robustes.
• Tâches Fondamentales : Les tâches centrées sur l'information comme les Questions-Réponses Médicales (57 % entièrement implémentées) et le Benchmarking (80 % entièrement implémentés) mènent en termes de maturité. En revanche, les tâches orientées vers l'action et la découverte accusent un retard important ; la Planification de Traitement et Prescription n'est entièrement implémentée que dans ~20 % des études, et la Découverte de Médicaments dans ~18 %.

Signification et Revendications
L'article affirme que ses conclusions fournissent une base empirique indiquant que les agents basés sur les LLM en santé excellent dans le conseil fondé sur la récupération et la synthèse d'informations. Cependant, le domaine nécessite des plateformes d'adaptation, de conformité et de sécurité plus fortes pour passer des prototypes de recherche précoces à des systèmes cliniques fiables.

Les auteurs soulignent que bien que le domaine ait fait des progrès significatifs dans la conception modulaire et la récupération d'informations, des lacunes critiques dans la détection de la dérive, les mises à jour dynamiques des connaissances, la récupération d'erreurs et l'alignement réglementaire persistent. Ils soutiennent que sans traiter ces asymétries spécifiques, le déploiement de ces agents dans des environnements cliniques à enjeux élevés reste risqué. L'article se positionne comme une ressource fondamentale pour guider la recherche future vers un développement d'agents robustes, sûrs et éthiquement responsables, notant explicitement que les défis de scalabilité et d'ingénierie à l'échelle de la production dépassent son champ d'application.