Агентный искусственный интеллект в здравоохранении и медицине: семимерная таксономия для эмпирической оценки агентов на основе больших языковых моделей

Агенты на основе больших языковых моделей (LLM), способные планировать, использовать инструменты и действовать, начали формировать практику здравоохранения и медицины. Опубликованные исследования демонстрируют их компетентность в решении различных задач — от анализа электронных медицинских карт (EHR) и дифференциальной диагностики до планирования лечения и исследовательских рабочих процессов. Однако литература в основном состоит из обзоров, представляющих собой либо широкие обобщающие исследования, либо узконаправленный анализ одной способности (например, памяти, планирования или рассуждения), вследствие чего для медицинской деятельности по-прежнему отсутствует общая система координат. Для устранения этого пробела мы проанализировали 49 исследований с использованием семимерной таксономии: когнитивные способности, управление знаниями, паттерны взаимодействия, адаптация и обучение, безопасность и этика, типология фреймворков, а также основные задачи и подзадачи; всего выделено 29 операциональных подизмерений. На основе явных критериев включения и исключения и системы маркировки (полностью реализовано ✓, частично реализовано Δ, не реализовано ✗) мы сопоставили каждое исследование с таксономией и представили количественные сводки распространённости способностей и паттернов их совместного проявления. Эмпирический анализ выявил выраженные асимметрии. Например, подизмерение «Интеграция внешних знаний» в разделе «Управление знаниями» реализовано в большинстве случаев (∼76% ✓), тогда как подизмерение «Активация по событию» в разделе «Паттерны взаимодействия» в основном отсутствует (∼92% ✗), а подизмерение «Обнаружение и устранение дрейфа» в разделе «Адаптация и обучение» встречается редко (∼98% ✗). С архитектурной точки зрения доминирующим паттерном является подизмерение «Мультиагентное проектирование» в разделе «Типология фреймворков» (∼82% ✓), тогда как уровни оркестрации в основном реализованы лишь частично. В категории «Основные задачи и подзадачи» лидируют информационно-ориентированные способности, например ответы на медицинские вопросы и поддержка принятия решений, а также бенчмаркинг и симуляция; при этом ориентированные на действия и открытие новых знаний направления, такие как планирование лечения и назначение терапии, по-прежнему характеризуются существенными пробелами (∼59% ✗). В совокупности эти результаты формируют эмпирическую основу, показывающую, что современные агенты хорошо справляются с консультированием на основе поиска и извлечения информации, но нуждаются в более развитых платформах адаптации и обеспечения соответствия требованиям, чтобы перейти от ранней стадии s...