Los agentes basados en modelos de lenguaje de gran tamaño (LLM) están surgiendo rápidamente como herramientas transformadoras en la investigación biomédica y las aplicaciones clínicas. Al integrar capacidades de razonamiento, planificación, memoria y uso de herramientas, estos agentes van más allá de los modelos de lenguaje estáticos para operar de manera autónoma o colaborativa en entornos de atención médica complejos. Esta revisión proporciona una encuesta completa de los agentes LLM biomédicos, abarcando sus arquitecturas de sistema centrales, metodologías habilitadoras y casos de uso en el mundo real, como la toma de decisiones clínicas, la automatización de la investigación biomédica y la simulación de pacientes. Además, examinamos los nuevos estándares diseñados para evaluar el rendimiento de los agentes en condiciones dinámicas, interactivas y multimodales. Adicionalmente, analizamos sistemáticamente los desafíos clave, incluidos los fenómenos de alucinación, la interpretabilidad, la fiabilidad de las herramientas, el sesgo de datos y las lagunas regulatorias, y discutimos las estrategias de mitigación correspondientes. Finalmente, esbozamos direcciones futuras en áreas como el aprendizaje continuo, la adaptación federada, la coordinación robusta entre múltiples agentes y la colaboración humano-AI. Esta revisión tiene como objetivo establecer una comprensión fundamental de los agentes LLM biomédicos y proporcionar una hoja de ruta orientada al futuro para construir sistemas inteligentes confiables, seguros y clínicamente desplegables.