Réinventer le dialogue clinique : paradigmes agentiels pour la communication en santé assistée par les LLM
Reinventing Clinical Dialogue: Agentic Paradigms for LLM Enabled Healthcare Communication
December 1, 2025
papers.authors: Xiaoquan Zhi, Hongke Zhao, Likang Wu, Chuang Zhao, Hengshu Zhu
cs.AI
papers.abstract
Le dialogue clinique représente une dualité complexe exigeant à la fois l'aisance empathique de la conversation naturelle et la rigueur précisionnelle de la médecine factuelle. Bien que les grands modèles de langage possèdent des capacités linguistiques sans précédent, leur architecture reposant sur un traitement réactif et sans état favorise souvent la vraisemblance probabiliste au détriment de la véracité factuelle. Cette limitation structurelle a catalysé un changement de paradigme dans l'IA médicale, passant de la prédiction textuelle générative à l'autonomie agentique, où le modèle fonctionne comme un moteur de raisonnement central capable de planification délibérée et de mémoire persistante. Allant au-delà des revues existantes qui recensent principalement les applications en aval, cette étude propose une analyse fondée sur les premiers principes de l'architecture cognitive sous-tendant cette transition. Nous introduisons une taxonomie novatrice structurée selon les axes orthogonaux de la source de connaissance et de l'objectif d'agence pour délimiter la provenance des connaissances cliniques par rapport au champ opérationnel du système. Ce cadre facilite une analyse systématique des compromis intrinsèques entre créativité et fiabilité en catégorisant les méthodes selon quatre archétypes : les Cliniciens de l'Espace Latent, les Planificateurs Émergents, les Synthéticiens Ancrés et les Automateurs de Flux de Travail Vérifiables. Pour chaque paradigme, nous déconstruisons la réalisation technique à travers l'ensemble du pipeline cognitif, englobant la planification stratégique, la gestion de la mémoire, l'exécution des actions, la collaboration et l'évolution, pour révéler comment les choix architecturaux distincts équilibrent la tension entre autonomie et sécurité.
English
Clinical dialogue represents a complex duality requiring both the empathetic fluency of natural conversation and the rigorous precision of evidence-based medicine. While Large Language Models possess unprecedented linguistic capabilities, their architectural reliance on reactive and stateless processing often favors probabilistic plausibility over factual veracity. This structural limitation has catalyzed a paradigm shift in medical AI from generative text prediction to agentic autonomy, where the model functions as a central reasoning engine capable of deliberate planning and persistent memory. Moving beyond existing reviews that primarily catalog downstream applications, this survey provides a first-principles analysis of the cognitive architecture underpinning this shift. We introduce a novel taxonomy structured along the orthogonal axes of knowledge source and agency objective to delineate the provenance of clinical knowledge against the system's operational scope. This framework facilitates a systematic analysis of the intrinsic trade-offs between creativity and reliability by categorizing methods into four archetypes: Latent Space Clinicians, Emergent Planners, Grounded Synthesizers, and Verifiable Workflow Automators. For each paradigm, we deconstruct the technical realization across the entire cognitive pipeline, encompassing strategic planning, memory management, action execution, collaboration, and evolution to reveal how distinct architectural choices balance the tension between autonomy and safety.