AFAna María Burneo Feijoo

Ana María Burneo Feijoo

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Ana María Burneo Feijoo has a total of 8 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Hacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn

    by Vanessa Cecilia Iza Sanga, Daniel Eduardo Rodriguez Guevara, Alexa Geovanna Zurita Pèrez, Ana María Burneo Feijoo, Kevin Gabriel Correa Ortiz

    La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.

  • Open Access

    Hacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn

    by Vanessa Cecilia Iza Sanga, Ana María Burneo Feijoo, Alexa Geovanna Zurita Pérez, Kevin Gabriel Correa Ortiz, Daniel Eduardo Rodríguez Guevara

    Introducción: La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.

  • Open Access

    Comprehensive Telemedicine for Complex Geriatric Patients: An AI-Based Care Model for the Early Detection of Gastrointestinal and Nephrological Decompensations

    by Mario Daniel Hidalgo Flores, Mishell Esperanza Atiencia Tibanta, Ana Lucía Alarcón Arias, María Paula Salgado Acosta, Ana Maria Burneo Feijoo

    Artificial intelligence (AI)-enhanced telemedicine is emerging as a promising approach for managing complex geriatric patients, a group at high risk for decompensations. However, the intellectual structure and evolutionary trends of this specific research area remain unclear. To conduct a bibliometric analysis to map the scientific landscape on the application of AI and telemedicine for the early detection of gastrointestinal and nephrological decompensations in complex geriatric patients. A systematic bibliometric analysis was conducted using the Scopus database. The search, performed on [2024], identified 428 documents, of which 87 met the inclusion criteria. The analysis included publication trends, co-word analysis using VOSviewer, citation analysis, and thematic synthesis. Scientific output showed exponential growth from 2015 onwards. Co-occurrence analysis revealed three main thematic clusters: 1) The Geriatric-Technological Interface (patient needs), 2) The AI-Data Core (methods), and 3) The Clinical Application Domain (specific conditions). A significant research gap was identified in gastrointestinal decompensations compared to nephrological and cardiometabolic conditions. This bibliometric study reveals a vibrant yet maturing research field. The field must evolve towards developing AI systems capable of handling polypathology and subjective symptoms, requiring closer collaboration between geriatricians and data scientists to realize its full potential.