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

Resumo Técnico: IA Agêntica em Saúde e Medicina: Uma Taxonomia de Sete Dimensões para Avaliação Empírica de Agentes Baseados em LLM

Problema
A rápida emergência de agentes baseados em Grandes Modelos de Linguagem (LLMs) na saúde e medicina demonstrou competência em tarefas que variam desde a análise de Registros Eletrônicos de Saúde (EHR) e diagnóstico diferencial até o planejamento de tratamento. No entanto, a literatura existente carece de um framework unificado para avaliar esses sistemas. Os estudos atuais são fragmentados, consistindo ou em revisões amplas que carecem de profundidade ou em investigações estreitas de capacidades específicas (ex: memória ou raciocínio) sem um quadro operacional comum. Essa ausência de uma taxonomia estruturada dificulta a comparação de metodologias, a avaliação da prevalência de capacidades e a identificação de lacunas entre protótipos de estágio inicial e sistemas clínicos confiáveis.

Metodologia
Para abordar essa lacuna, os autores realizaram uma revisão sistemática de 49 artigos de pesquisa publicados entre outubro de 2023 e junho de 2025. O processo de seleção seguiu um protocolo de filtragem de três etapas utilizando recursos como Google Scholar, PubMed, DBLP, Scopus e ArXiv, aderindo às diretrizes do estilo PRISMA. Os critérios de inclusão exigiram que o LLM fosse o controlador central do planejamento e da tomada de decisão do agente e que o estudo abordasse explicitamente tarefas de saúde ou medicina.

Os autores desenvolveram uma nova taxonomia de sete dimensões composta por 29 subdimensões operacionais para avaliar os estudos selecionados. As dimensões são:

1. Capacidades Cognitivas (Planejamento, Percepção, Ação, Meta-capacidades, Consistência e Resolução de Conflitos)
2. Gestão de Conhecimento (Integração de Conhecimento Externo, Módulo de Memória, Atualizações Dinâmicas e Esquecimento)
3. Padrões de Interação (Modo Conversacional, Ativação por Gatilho de Evento, Humano no Ciclo [Human-in-the-Loop], Recuperação de Erros)
4. Adaptação e Aprendizado (Detecção e Mitigação de Drift, Adaptação Baseada em Reforço, Meta-aprendizado e Few-Shot)
5. Segurança e Ética (Salvaguardas de Segurança e Robustez Adversária, Viés e Equidade, Mecanismo de Preservação de Privacidade, Restrições Regulatórias e de Conformidade)
6. Tipologia de Framework (Design Multi-agente, Orquestração Centralizada)
7. Tarefas Principais e Subtarefas (Documentação Clínica, Perguntas e Respostas Médicas, Triagem, Raciocínio Diagnóstico, Planejamento de Tratamento, Descoberta de Fármacos, Interação com o Paciente, Benchmarking)

Cada estudo foi mapeado para esta taxonomia usando uma rubrica de rotulagem: Totalmente Implementado (✓), Parcialmente Implementado (∆) ou Não Implementado (✗). Os autores empregaram uma estratégia de atribuição conservadora, assumindo "Parcialmente Implementado" para alegações implícitas e "Não Implementado" para afirmações que careciam de procedimento concreto ou avaliação.

Principais Contribuições

• Taxonomia Estruturada: A principal contribuição é a definição de uma taxonomia de 7 dimensões e 29 subdimensões especificamente desenhada para a avaliação empírica de agentes baseados em LLM na saúde.
• Baseline Empírica: O artigo fornece a primeira análise quantitativa de grande escala sobre a prevalência de capacidades e padrões de coocorrência entre 49 estudos, indo além de visões qualitativas gerais.
• Visualização e Mapeamento: Os autores fornecem tabelas e diagramas detalhados mapeando artigos específicos à taxonomia, servindo como um índice de navegação para o campo.
• Identificação de Assimetrias: A análise revela disparidades claras entre capacidades bem desenvolvidas (ex: recuperação de informação) e lacunas críticas em segurança, adaptação e tarefas orientadas à ação.

Principais Resultados e Descobertas
A análise empírica revela assimetrias significativas no estado atual da IA Agêntica na saúde:

• Capacidades Cognitivas: Há uma falta marcante de mecanismos robustos para decomposição de tarefas de longo horizonte e automonitoramento. O Planejamento está ausente em ~45% dos estudos, as Meta-capacidades em ~53% e a Consistência e Resolução de Conflitos em ~61%. Embora a Percepção e a Ação apresentem taxas de implementação mais altas, elas frequentemente carecem de confiabilidade de ponta a ponta.
• Gestão de Conhecimento: A Integração de Conhecimento Externo é amplamente realizada (76% totalmente implementada), frequentemente via Geração Aumentada de Recuperação (RAG). No entanto, Atualizações Dinâmicas e Esquecimento é amplamente ausente (98% não implementado), indicando que os agentes têm dificuldade em manter a higiene do conhecimento ou se adaptar a diretrizes em evolução.
• Padrões de Interação: Embora o Modo Conversacional seja relativamente comum (43% totalmente implementado), a Ativação por Gatilho de Evento é rara (92% não implementado), sugerindo uma forte dependência de prompting manual em vez de monitoramento autônomo de sinais externos. Mecanismos de Humano no Ciclo e Recuperação de Erros também são escassos.
• Adaptação e Aprendizado: Esta dimensão apresenta a menor adoção. A Detecção e Mitigação de Drift é essencialmente ausente (0% totalmente implementada, ~98% não implementado). A Adaptação Baseada em Reforço e o Meta-aprendizado são similarmente subdesenvolvidos, com a maioria dos sistemas dependendo de prompts estáticos.
• Segurança e Ética: A maturidade de implementação é limitada. Salvaguardas de Segurança e Viés e Equidade são totalmente implementados em apenas 6% e ~10% dos estudos, respectivamente. Restrições Regulatórias e de Conformidade são o ponto mais subdesenvolvido (86% não implementado), com poucos estudos demonstrando conformidade verificável em tempo de execução.
• Tipologia de Framework: O Design Multi-agente é o padrão dominante (82% totalmente implementado), refletindo uma mudança para especialização baseada em papéis. No entanto, a Orquestração Centralizada permanece majoritariamente parcial (57%), indicando que, embora os agentes sejam modulares, as camadas de controle que os gerenciam ainda não são totalmente robustas.
• Tarefas Principais: Tarefas centradas em informação, como Perguntas e Respostas Médicas (57% totalmente implementadas) e Benchmarking (80% totalmente implementados), lideram em maturidade. Em contraste, tarefas orientadas à ação e descoberta atrasam significativamente; Planejamento de Tratamento e Prescrição é totalmente implementado em apenas ~20% dos estudos, e Descoberta de Fármacos em ~18%.

Significância e Alegações
O artigo afirma que suas descobertas fornecem um baseline empírico indicando que os atuais agentes baseados em LLM na saúde se destacam em aconselhamento fundamentado em recuperação e síntese de informações. No entanto, o campo requer maior adaptação, plataformas de conformidade e mecanismos de segurança para transitar de protótipos de pesquisa iniciais para sistemas clínicos confiáveis.

Os autores enfatizam que, embora o campo tenha feito progressos significativos em design modular e recuperação de informação, lacunas críticas em detecção de drift, atualizações dinâmicas de conhecimento, recuperação de erros e alinhamento regulatório persistem. Eles argumentam que, sem abordar essas assimetrias específicas, a implantação desses agentes em ambientes clínicos de alto risco permanece arriscada. O artigo posiciona-se como um recurso fundamental para guiar pesquisas futuras em direção ao desenvolvimento de agentes robustos, seguros e eticamente responsáveis, observando explicitamente que desafios de escalabilidade e engenharia de produção em escala de produção estão além de seu escopo.