En las pruebas de duración de vida, los tiempos de falla de productos altamente confiables bajo condiciones de uso normales suelen ser imprácticamente largos, lo que hace que la evaluación directa de confiabilidad sea impráctica. Para superar esto, se emplea la prueba de vida acelerada parcial por paso de estrés para reducir el tiempo de prueba mientras se preserva la calidad de los datos. Este documento desarrolla un modelo bayesiano basado en datos censurados de Tipo II, asumiendo que las duraciones de vida de los elementos siguen la distribución invertida de Kumaraswamy de Topp-Leone, una alternativa flexible a los modelos clásicos de duración de vida debido a su capacidad para capturar diversas formas de tasa de riesgo y para modelar datos de duración de vida limitados y sesgados de manera más efectiva que los modelos tradicionales observados en datos de confiabilidad del mundo real. Los estimadores bayesianos de los parámetros del modelo y del factor de aceleración se derivan bajo funciones de pérdida simétricas (error cuadrado equilibrado) y asimétricas (exponencial lineal equilibrado) utilizando priors informativos. La novedad de este trabajo radica en la integración de la distribución invertida de Kumaraswamy de Topp-Leone dentro del marco bayesiano de prueba de vida acelerada parcial por paso de estrés, lo cual no se ha explorado previamente, ofreciendo una capacidad de modelado mejorada para datos de duración de vida complejos. El método propuesto se valida a través de estudios de simulación exhaustivos bajo varios esquemas de censura, demostrando robustez y un rendimiento de estimación superior en comparación con los modelos tradicionales. Una aplicación de datos reales que involucra datos de mortalidad por COVID-19 ilustra aún más la relevancia práctica y el mejor ajuste del modelo. En general, los resultados resaltan la flexibilidad, eficiencia y aplicabilidad del enfoque bayesiano propuesto en el análisis de confiabilidad.