Het Heruitvinden van Klinische Dialoog: Agentische Paradigma's voor LLM-gestuurde Gezondheidszorgcommunicatie

Reinventing Clinical Dialogue: Agentic Paradigms for LLM Enabled Healthcare Communication

December 1, 2025

Auteurs: Xiaoquan Zhi, Hongke Zhao, Likang Wu, Chuang Zhao, Hengshu Zhu

cs.AI

Samenvatting

Klinische dialogie vertegenwoordigt een complexe dualiteit die zowel de empathische vloeiendheid van natuurlijke conversatie als de rigoureuze precisie van evidence-based medicine vereist. Hoewel Large Language Models over een ongekende linguïstische capaciteit beschikken, heeft hun architectonische afhankelijkheid van reactieve en stateless verwerking vaak een voorkeur voor probabilistische plausibiliteit boven feitelijke juistheid. Deze structurele beperking heeft een paradigmaverschuiving in medische AI gekatalyseerd: van generatieve tekstvoorspelling naar agent-gebaseerde autonomie, waarbij het model functioneert als een centrale redeneermotor die in staat is tot beredeneerd plannen en persistent geheugen. Voorbijgaand aan bestaande overzichtsartikelen die voornamelijk downstream-toepassingen inventariseren, biedt deze survey een analyse vanuit eerste principes van de cognitieve architectuur die deze verschuiving ondersteunt. Wij introduceren een nieuwe taxonomie gestructureerd langs de orthogonale assen van kennisbron en agent-doelstelling om de herkomst van klinische kennis af te zetten tegen de operationele reikwijdte van het systeem. Dit kader vergemakkelijkt een systematische analyse van de intrinsieke afwegingen tussen creativiteit en betrouwbaarheid door methoden in vier archetypen te categoriseren: Latente Ruimte Clinici, Emergente Planners, Gegronde Synthesizers en Verifieerbare Workflow Automatiseraars. Voor elk paradigma ontleden wij de technische realisatie over de gehele cognitieve pijplijn, met inbegrip van strategische planning, geheugenbeheer, actie-uitvoering, samenwerking en evolutie, om te onthullen hoe distinctieve architectonische keuzes de spanning tussen autonomie en veiligheid in evenwicht brengen.

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.