La medicina de precisión implica el diseño de terapias que se ajustan a cada paciente individual. Por lo tanto, la modelización predictiva de las respuestas a los medicamentos para pacientes específicos constituye un desafío significativo para la terapia personalizada. En este artículo, consideramos una revisión de enfoques que se han propuesto para abordar el problema de la predicción de la sensibilidad a los medicamentos, especialmente en lo que respecta a la terapia personalizada del cáncer. Primero discutimos enfoques de modelización basados únicamente en caracterizaciones genómicas y luego ampliamos la discusión incluyendo técnicas de modelización que integran tanto información genómica como funcional. Un análisis comparativo del rendimiento predictivo de cuatro algoritmos representativos, red elástica, bosque aleatorio, aprendizaje multitarea bayesiano kernelizado y aprendizaje profundo, reflejando las amplias clases de modelos lineales regularizados, de conjunto, kernelizados y basados en redes neuronales, respectivamente, se ha incluido en el artículo. La revisión también considera los desafíos que deben abordarse para la implementación exitosa de los algoritmos en la práctica clínica.