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

Sintesi Tecnica: IA Agente in Sanità e Medicina: Una Tassonomia a Sette Dimensioni per la Valutazione Empirica di Agenti basati su LLM

Definizione del Problema
L'emergere rapido di agenti basati su Large Language Model (LLM) in ambito sanitario e medico ha dimostrato competenza in compiti che spaziano dall'analisi delle cartelle cliniche elettroniche (EHR) alla diagnosi differenziale, fino alla pianificazione del trattamento. Tuttavia, la letteratura esistente manca di un quadro unificato per valutare questi sistemi. Gli studi attuali sono frammentati, consistendo o in ampie survey prive di profondità o in analisi ristrette di specifiche capacità (ad esempio, memoria o ragionamento) senza un quadro operativo comune. Questa assenza di una tassonomia strutturata ostacola la capacità di confrontare le metodologie, valutare la prevalenza delle capacità e identificare il divario tra i prototipi nelle prime fasi e i sistemi clinici affidabili.

Metodologia
Per affrontare questa lacuna, gli autori hanno condotto una revisione sistematica di 49 articoli di ricerca pubblicati tra ottobre 2023 e giugno 2025. Il processo di selezione ha seguito un protocollo di filtraggio in tre fasi utilizzando risorse quali Google Scholar, PubMed, DBLP, Scopus e ArXiv, aderendo alle linee guida di tipo PRISMA. I criteri di inclusione richiedevano che l'LLM fosse il controllore centrale della pianificazione e del processo decisionale dell'agente e che lo studio affrontasse esplicitamente compiti sanitari o medici.

Gli autori hanno sviluppato una nuova tassonomia a sette dimensioni composta da 29 sottodimensioni operative per valutare gli studi selezionati. Le dimensioni sono:

1. Capacità Cognitive (Pianificazione, Percezione, Azione, Meta-capacità, Consistenza e Risoluzione dei Conflitti)
2. Gestione della Conoscenza (Integrazione della Conoscenza Esterna, Modulo di Memoria, Aggiornamenti Dinamici e Oblio)
3. Schemi di Interazione (Modalità Conversazionale, Attivazione Innescata da Eventi, Human-in-the-Loop, Recupero degli Errori)
4. Adattamento e Apprendimento (Rilevamento e Mitigazione del Drift, Adattamento Basato sul Reinforcement, Meta-apprendimento e Few-Shot)
5. Sicurezza ed Etica (Barriere di Sicurezza e Robustezza Avversaria, Bias e Correttezza, Meccanismi di Preservazione della Privacy, Vincoli Normativi e di Conformità)
6. Tipologia di Framework (Design Multi-Agente, Orchestrazione Centralizzata)
7. Compiti Core e Sottotacchi (Documentazione Clinica, Domande e Risposte Mediche, Triage, Ragionamento Diagnostico, Pianificazione del Trattamento, Scoperta di Farmaci, Interazione con il Paziente, Benchmarking)

Oggetto di studio è stato mappato sulla tassonomia utilizzando una rubrica di etichettatura: Completamente Implementato (✓), Parzialmente Implementato (∆) o Non Implementato (✗). Gli autori hanno impiegato una strategia di assegnazione conservativa, optando per "Parzialmente Implementato" in caso di rivendicazioni implicite e "Non Implementato" per asserzioni prive di procedura o valutazione concreta.

Contributi Chiave

• Tassonomia Strutturata: Il contributo primario è la definizione di una tassonomia a 7 dimensioni e 29 sottodimensioni progettata specificamente per la valutazione empirica di agenti basati su LLM in ambito sanitario.
• Baseline Empirica: Il documento fornisce la prima analisi quantitativa su larga scala della prevalenza delle capacità e dei modelli di co-occorrenza attraverso 49 studi, andando oltre le panoramiche qualitative.
• Visualizzazione e Mappatura: Gli autori forniscono tabelle e diagrammi dettagliati che mappano studi specifici sulla tassonomia, fungendo da indice di navigazione per il settore.
• Identificazione delle Asimmetrie: L'analisi rivela chiare disparità tra le capacità ben sviluppate (ad esempio, recupero delle informazioni) e le lacune critiche in termini di sicurezza, adattamento e compiti orientati all'azione.

Risultati Chiave e Conclusioni
L'analisi empirica evidenzia significative asimmetrie nello stato attuale dell'IA Agente in sanità:

• Capacità Cognitive: Si riscontra una marcata mancanza di meccanismi robusti per la decomposizione di compiti a lungo termine e l'auto-monitoraggio. La Pianificazione è assente in circa il 45% degli studi, le Meta-capacità in circa il 53% e la Consistenza e Risoluzione dei Conflitti in circa il 61%. Sebbene Percezione e Azione mostrino tassi di implementazione più elevati, esse spesso mancano di affidabilità end-to-end.
• Gestione della Conoscenza: L'Integrazione della Conoscenza Esterna è ampiamente realizzata (76% completamente implementata), spesso tramite Generazione Aumentata dal Recupero (RAG). Tuttavia, Aggiornamenti Dinamici e Oblio è ampiamente assente (98% non implementato), indicando che gli agenti faticano a mantenere l'igiene della conoscenza o ad adattarsi a linee guida in evoluzione.
• Schemi di Interazione: Mentre la Modalità Conversazionale è relativamente comune (43% completamente implementata), l'Attivazione Innescata da Eventi è rara (92% non implementata), suggerendo una forte dipendenza dal prompting manuale piuttosto che dal monitoraggio autonomo di segnali esterni. Anche i meccanismi di Human-in-the-Loop e Recupero degli Errori sono scarsi.
• Adattamento e Apprendimento: Questa dimensione mostra l'adozione più bassa. Il Rilevamento e la Mitigazione del Drift sono essenzialmente assenti (0% completamente implementati, ~98% non implementati). L'Adattamento Basato sul Reinforcement e il Meta-apprendimento sono similmente sottosviluppati, con la maggior parte dei sistemi che si affida a prompt statici.
• Sicurezza ed Etica: La maturità dell'implementazione è limitata. Barriere di Sicurezza e Bias e Correttezza sono pienamente implementati solo in circa il 6% e il 10% degli studi, rispettivamente. I Vincoli Normativi e di Conformità sono i più carenti (~86% non implementati), con pochi studi che dimostrano una verificabile conformità durante l'esecuzione.
• Tipologia di Framework: Il Design Multi-Agente è il modello dominante (82% completamente implementato), riflettendo uno spostamento verso la specializzazione basata sui ruoli. Tuttavia, l'Orchestrazione Centralizzata rimane in gran parte parziale (57%), indicando che, sebbene gli agenti siano modulari, i livelli di controllo che li gestiscono non sono ancora del tutto robusti.
• Compiti Core: I compiti incentrati sulle informazioni come le Domande e Risposte Mediche (57% completamente implementate) e il Benchmarking (80% completamente implementati) guidano la maturità. Al contrario, i compiti orientati all'azione e alla scoperta sono significativamente in ritardo; la Pianificazione del Trattamento e Prescrizione è pienamente implementata in solo ~20% degli studi, e la Scoperta di Farmaci in circa il 18%.

Significatività e Rivendicazioni
Il documento sostiene che i suoi risultati forniscono una baseline empirica indicando che gli attuali agenti basati su LLM eccellono nel consulenza basata sul recupero e nella sintesi delle informazioni. Tuttavia, il campo richiede piattaforme di adattamento, conformità e meccanismi di sicurezza più forti per passare dai prototipi di ricerca nelle prime fasi a sistemi clinici affidabili.

Gli autori sottolineano che, sebbene il settore abbia compiuto passi avanti significativi nel design modulare e nel recupero delle informazioni, persistono lacune critiche in rilevamento del drift, aggiornamenti dinamici della conoscenza, recupero degli errori e allineamento normativo. Essi sostengono che, senza affrontare queste specifiche asimmetrie, l'impiego di questi agenti in ambienti clinici ad alto rischio rimane rischioso. Il documento si pone come una risorsa fondamentale per guidare la ricerca futura verso lo sviluppo di agenti robusti, sicuri ed eticamente responsabili, specificando esplicitamente che le sfide di scalabilità e ingegneria su scala di produzione esulano dal proprio ambito.