La capacidad de predecir los resultados individuales de ensayos clínicos podría respaldar el desarrollo de herramientas para la medicina de precisión y mejorar la eficiencia del desarrollo de fármacos en fase clínica. Sin embargo, no existen intentos publicados de predecir los resultados individuales de ensayos clínicos para el cáncer. Utilizamos aprendizaje automático (ML) para predecir respuestas individuales a un curso de dos años de bicalutamida, un tratamiento estándar para el cáncer de próstata, basado en datos de tres ensayos clínicos de Fase III (n = 3653). Desarrollamos modelos que utilizaron un conjunto de datos combinado de los tres estudios. Los modelos con mejor rendimiento que utilizaron datos combinados de los tres estudios tuvieron una precisión del 76%. El rendimiento de estos modelos fue confirmado mediante modelado adicional utilizando un conjunto de datos combinado de dos de los tres estudios, y un estudio separado para pruebas. En conjunto, nuestros resultados indican la viabilidad de herramientas basadas en ML para predecir resultados del tratamiento del cáncer, con implicaciones para la oncología de precisión y la mejora de la eficiencia del desarrollo de fármacos en fase clínica.