Taxonomía BRIDGE: un marco conceptual para intervenciones de inteligencia artificial orientadas a reducir el retraso diagnóstico en reumatología desde la atención primaria en América Latina
Global Rheumatology · 29.07.2026
DOI: 10.46856/grp.2026.0007 ↗Kurz gefasst
Fachartikel in der Zeitschrift Global Rheumatology, online erschienen am 29.07.2026. Verfasst von Juan Sebastian Theran Leon und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Introducción: Las enfermedades reumáticas y musculoesqueléticas (ERM) presentan retrasos diagnósticos significativos en América Latina. El registro ESPALDA-PANLAR reportó una mediana de 93 meses para espondiloartritis axial (EspA axial), mientras que para artritis reumatoide (AR) el retraso sigue superando los 12 meses en la mayoría de los centros regionales. La densidad de reumatólogos es críticamente insuficiente: 1 por cada 106.838 habitantes según datos PANLAR, con distribución geográfica altamente desigual. Objetivo: Proponer un marco conceptual basado en inteligencia artificial (IA) para reducir el retraso diagnóstico en reumatología desde la atención primaria (AP) en América Latina, incluyendo una taxonomía original de intervenciones denominada BRIDGE (Búsqueda–Riesgo–Inicio–Docencia–Gestión Educativa) y una agenda de investigación regional con desenlaces operativos. Materiales y métodos: Este estudio combina una revisión narrativa con el desarrollo de un marco conceptual original (taxonomía BRIDGE). Se realizó una búsqueda estructurada en PubMed/MEDLINE, Scopus, LILACS y Cochrane Library (enero 2015–15 de febrero de 2026), siguiendo la escala SANRA. Se identificaron 347 registros, de los cuales 72 fueron incluidos tras cribado por título/resumen y evaluación de pertinencia en texto completo. Las herramientas de IA y apoyo a decisiones clínicas fueron clasificadas mediante la taxonomía BRIDGE según su función clínica primaria. Resultados: Se identificaron herramientas de IA publicadas en cinco niveles funcionales: Búsqueda activa (B), Riesgo estratificado (R), Inicio de manejo provisional (I), Docencia (D) y Gestión Educativa (GE). Cada nivel se definió operativamente por sus inputs requeridos, output clínico y desenlace esperado. El mayor volumen de estudios se concentra en modelos de imagen (AUC 0,88–0,97 para sacroileítis) y herramientas de triaje basadas en procesamiento de lenguaje natural (NLP; AUC 0,78 para AR en cartas de derivación), aunque predominantemente con validación interna o en cohortes europeas. Se identificaron vacíos críticos: ausencia de validación en poblaciones latinoamericanas, falta de estudios de concordancia diagnóstica y riesgos técnicos específicos incluyendo sobreajuste, deriva algorítmica y heterogeneidad regulatoria regional. Conclusiones: La taxonomía BRIDGE proporciona un marco estructurado para clasificar, evaluar y priorizar intervenciones de IA orientadas a reducir el retraso diagnóstico en reumatología desde la AP. La agenda de investigación propone desenlaces primarios específicos para cada prioridad, facilitando la traslación del marco conceptual a protocolos ejecutables.
Zitieren
APA
Leon, J. S. T., & Rueda, A. F. O. (2026). Taxonomía BRIDGE: un marco conceptual para intervenciones de inteligencia artificial orientadas a reducir el retraso diagnóstico en reumatología desde la atención primaria en América Latina. Global Rheumatology. https://doi.org/10.46856/grp.2026.0007
Vancouver
Leon JST, Rueda AFO. Taxonomía BRIDGE: un marco conceptual para intervenciones de inteligencia artificial orientadas a reducir el retraso diagnóstico en reumatología desde la atención primaria en América Latina. Global Rheumatology. 2026. doi:10.46856/grp.2026.0007
BibTeX
@article{Leon2026,
author = {Leon, Juan Sebastian Theran and Rueda, Andres Felipe Otero},
title = {Taxonomía BRIDGE: un marco conceptual para intervenciones de inteligencia artificial orientadas a reducir el retraso diagnóstico en reumatología desde la atención primaria en América Latina},
journal = {Global Rheumatology},
year = {2026},
doi = {10.46856/grp.2026.0007}
}
EUVIMED