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

Technische Samenvatting: Agentic AI in de Gezondheidszorg & Geneeskunde: Een Zevendimensionale Taxonomie voor Empirische Evaluatie van LLM-gebaseerde Agenten

Probleemstelling
De snelle opkomst van op Large Language Models (LLM) gebaseerde agenten in de gezondheidszorg en geneeskunde heeft competentie aangetoond in taken variërend van de analyse van Elektronische Patiëntendossiers (EPD) en differentiële diagnose tot behandelplannen. De bestaande literatuur ontbeert echter een verenigd kader voor het evalueren van deze systemen. Huidige studies zijn gefragmenteerd en bestaan ofwel uit brede surveys die aan diepgang tekortschieten, ofwel uit nauwe duiken in specifieke capaciteiten (bijv. geheugen of redeneren) zonder een gemeenschappelijk operationeel kader. Dit gebrek aan een gestructureerde taxonomie belemmert de mogelijkheid om methodologieën te vergelijken, de prevalentie van capaciteiten te beoordelen en de kloof tussen vroege prototypes en betrouwbare klinische systemen te identificeren.

Methodologie
Om dit gat te dichten, hebben de auteurs een systematische review uitgevoerd van 49 onderzoeksartikelen gepubliceerd tussen oktober 2023 en juni 2025. Het selectieproces volgde een driestaps filterprotocol met gebruik van bronnen zoals Google Scholar, PubMed, DBLP, Scopus en ArXiv, waarbij werd voldaan aan PRISMA-stijl richtlijnen. De inclusiecriteria vereisten dat de LLM de kerncontroller was van de planning en besluitvorming van de agent, en dat de studie expliciet taken binnen de gezondheidszorg of geneeskunde adresseerde.

De auteurs ontwikkelden een nieuwe zevendimensionale taxonomie bestaande uit 29 operationele subdimensies om de geselecteerde studies te evalueren. De dimensies zijn:

1. Cognitieve Capaciteiten (Planning, Perceptie, Actie, Meta-capaciteiten, Consistentie & Conflictresolutie)
2. Kennisbeheer (Integratie van Externe Kennis, Geheugenmodule, Dynamische Updates & Vergeten)
3. Interactiepatronen (Conversationele Modus, Event-Triggered Activatie, Human-in-the-Loop, Foutherstel)
4. Adaptatie & Leren (Driftdetectie & Mitigatie, Reinforcement-gebaseerde Adaptatie, Meta-learning & Few-shot)
5. Veiligheid & Ethiek (Veiligheidshekken & Adversariële Robuustheid, Bias & Fairheid, Privacy-bewarende Mechanismen, Regulatieve & Compliance Beperkingen)
6. Framework Typologie (Multi-agent Ontwerp, Gecentraliseerde Orchestratie)
7. Kerntaken & Subtaken (Klinische Documentatie, Medisch Vraag beantwoorden, Triage, Diagnostische Redenering, Behandelplan, Medicijnontdekking, Patiëntinteractie, Benchmarking)

Elk onderzoek werd aan deze taxonomie gekoppeld met behulp van een labelingsrubriek: Volledig Geïmplementeerd (✓), Gedeeltelijk Geïmplementeerd (∆), of Niet Geïmplementeerd (✗). De auteurs hanteerden een conservatieve toewijzingsstrategie, waarbij standaard werd gekozen voor "Gedeeltelijk Geïmplementeerd" bij impliciete claims en "Niet Geïmplementeerd" bij beweringen waarvoor geen concrete procedure of evaluatie werd vermeld.

Belangrijkste Bijdragen

• Gestructureerde Taxonomie: De primaire bijdrage is de definitie van een 7-dimensionale, 29-subdimensionale taxonomie die specifiek is ontworpen voor de empirische evaluatie van LLM-gebaseerde agenten in de gezondheidszorg.
• Empirische Baseline: Het artikel biedt de eerste grootschalige kwantitatieve analyse van de prevalentie van capaciteiten en co-occurrence patronen over 49 studies, waarmee het verder gaat dan kwalitatieve overzichten.
• Visualisatie en Mapping: De auteurs bieden gedetailleerde tabellen en diagrammen die specifieke papers aan de taxonomie koppelen, wat dient als een navigatie-index voor het vakgebied.
• Identificatie van Asymmetrieën: De analyse onthult duidelijke discrepanties tussen goed ontwikkelde capaciteiten (bijv. informatieextractie) en kritieke tekortkomingen in veiligheid, adaptatie en actiegerichte taken.

Belangrijkste Resultaten en Bevindingen
De empirische analyse legt significante asymmetrieën bloot in de huidige staat van Agentic AI in de gezondheidszorg:

• Cognitieve Capaciteiten: Er is een opvallend gebrek aan robuuste mechanismen voor langetermijn taakdecompositie en zelfmonitoring. Planning ontbreekt in ~45% van de studies, Meta-capaciteiten in ~53%, en Consistentie & Conflictresolutie in ~61%. Hoewel Perceptie en Actie hogere implementatiegraden vertonen, missen ze vaak end-to-end betrouwbaarheid.
• Kennisbeheer: Integratie van Externe Kennis is wijdverbreid (76% volledig geïmplementeerd), vaak via Retrieval-Augmented Generation (RAG). Echter, Dynamische Updates & Vergeten is grotendeels afwezig (98% niet geïmplementeerd), wat aangeeft dat agenten moeite hebben met het behouden van kennishygiëne of het aanpassen aan evoluerende richtlijnen.
• Interactiepatronen: Hoewel de Conversationele Modus relatief gebruikelijk is (43% volledig geïmplementeerd), is Event-Triggered Activatie zeldzaam (92% niet geïmplementeerd), wat wijst op een zware afhankelijkheid van handmatige prompting in plaats van autonome monitoring van externe signalen. Human-in-the-Loop en Foutherstel mechanismen zijn eveneens schaars.
• Adaptatie & Leren: Deze dimensie vertoont de laagste adoptie. Driftdetectie & Mitigatie is vrijwel afwezig (0% volledig geïmplementeerd, ~98% niet geïmplementeerd). Reinforcement-gebaseerde Adaptatie en Meta-learning zijn eveneens onderontwikkeld, waarbij de meeste systemen vertrouwen op statische prompts.
• Veiligheid & Ethiek: De implementatiematuriteit is beperkt. Veiligheidshekken en Bias & Fairheid zijn slechts in respectievelijk 6% en ~10% van de studies volledig geïmplementeerd. Regulatieve & Compliance Beperkingen zijn het meest onderontwikkeld (86% niet geïmplementeerd), waarbij weinig studies verifieerbare runtime-compliance demonstreren.
• Framework Typologie: Multi-agent Ontwerp is het dominante patroon (82% volledig geïmplementeerd), wat een verschuiving naar rolgebaseerde specialisatie weerspiegelt. Echter, Gecentraliseerde Orchestratie blijft grotendeels partieel (57%), wat aangeeft dat hoewel agenten modulair zijn, de controlelagen die hen beheren nog niet volledig robuust zijn.
• Kerntaken: Informatiegerichte taken zoals Medisch Vraag beantwoorden (57% volledig geïmplementeerd) en Benchmarking (80% volledig geïmplementeerd) leiden in maturiteit. In contrast hiermee lopen actiegerichte en ontdekkingsgerichte taken aanzienlijk achter; Behandelplan & Voorschrijven is slechts in ~20% van de studies volledig geïmplementeerd, en Medicijnontdekking in ~18%.

Significantie en Claims
Het artikel claimt dat de bevindingen een empirische baseline bieden die aangeeft dat huidige LLM-gebaseerde agenten in de gezondheidszorg uitblinken in retrieval-gegrounde advisering en informatie-synthese. Echter, het veld vereist sterkere adaptatie, compliance-platforms en veiligheidsmechanismen om de overgang van vroege onderzoeksprototypes naar betrouwbare klinische systemen te maken.

De auteurs benadrukken dat hoewel het veld aanzienlijke stappen heeft gezet in modulair ontwerp en informatieextractie, kritieke tekortkomingen in driftdetectie, dynamische kennisupdates, foutherstel en regulatieve afstemming aanhouden. Zij stellen dat zonder het aanpakken van deze specifieke asymmetrieën, de inzet van deze agenten in klinische omgevingen met hoge inzet riskant blijft. Het artikel positioneert zichzelf als een fundamentele bron om toekomstig onderzoek te sturen naar robuuste, veilige en ethisch verantwoorde agentontwikkeling, waarbij expliciet wordt vermeld dat schaalbaarheid en engineering-uitdagingen op productieschaal buiten de scope van dit werk liggen.