Introducción: la artritis reumatoide (AR) es una enfermedad inflamatoria crónica que se caracteriza por una respuesta heterogénea al tratamiento con fármacos biológicos. Identificar biomarcadores que predicen la eficacia terapéutica es esencial para optimizar las decisiones clínicas y avanzar en la medicina personalizada. El objetivo principal de esta revisión exploratoria fue explorar la bibliografía existente sobre biomarcadores asociados con la respuesta a terapias biológicas en pacientes con AR. Métodos: se realizó una búsqueda sistemática en PubMed/MEDLINE, Scopus y Web of Science hasta mayo de 2025. Se incluyeron estudios observacionales y ensayos clínicos publicados en inglés o español que evaluaron biomarcadores clínicos, serológicos, genéticos, transcriptómicos, proteómicos, epigenéticos, de imagen o del microbioma. La síntesis se realizó de forma narrativa, agrupando los biomarcadores por categoría y tipo de biológico. Resultados: de 1874 registros identificados, se incluyeron 32 estudios. Los biomarcadores clínicos y serológicos más consistentes fueron la edad, la duración de la enfermedad, el uso concomitante de metotrexato, los niveles de IL-6 y la PCR. A nivel genético, las variantes PTPRC y TNFAIP3 se asociaron con una buena respuesta a los anticuerpos anti-TNF. Los perfiles transcriptómicos y proteómicos mostraron características diferenciales entre pacientes respondedores y no respondedores. Además, los biomarcadores epigenéticos (miR-23, miR-223) y del microbioma (Faecalibacterium prausnitzii) mostraron un valor predictivo emergente. Conclusiones: los biomarcadores clínicos y serológicos siguen siendo los más utilizados y accesibles. Sin embargo, la evidencia sugiere que la integración de biomarcadores multiómicos y modelos de aprendizaje automático podría mejorar la predicción de la respuesta terapéutica y promover la medicina personalizada en la artritis reumatoide.Introduction: Rheumatoid arthritis (RA) is a chronic inflammatory disease characterized by a heterogeneous response to treatment with biologic drugs. Identifying biomarkers that predict therapeutic efficacy is essential to optimize clinical decisions and advance personalized medicine. The primary objective of this scoping review was to explore the existing literature on biomarkers associated with response to biologic therapies in patients with RA. Methods: A systematic search was conducted in PubMed/MEDLINE, Scopus, and Web of Science through May 2025. Observational studies and clinical trials published in English or Spanish that evaluated clinical, serological, genetic, transcriptomic, proteomic, epigenetic, imaging, or microbiome biomarkers were included. The synthesis was performed narratively, grouping biomarkers by category and biological type. Results: Of 1,874 records identified, 32 studies were included. The most consistent clinical and serological biomarkers were age, disease duration, concomitant methotrexate use, IL-6 levels, and CRP. At the genetic level, PTPRC and TNFAIP3 variants were associated with a good response to anti-TNF antibodies. Transcriptomic and proteomic profiles show differential characteristics between responders and non-responders. Furthermore, epigenetic (miR-23, miR-223) and microbiome (Faecalibacterium prausnitzii) biomarkers showed emerging predictive value. Conclusions: Clinical and serological biomarkers remain the most widely used and accessible. However, evidence suggests that the integration of multi-omic biomarkers and machine learning models could improve the prediction of therapeutic response and promote personalized medicine in rheumatoid arthritis.