En la biología y la medicina modernas, la similitud entre fármacos es una tarea importante con diversas aplicaciones en el desarrollo de fármacos farmacéuticos. Diversas fuentes directas e indirectas de evidencia obtenidas de datos centrados en fármacos, como efectos secundarios, interacciones entre fármacos, objetivos biológicos y estructuras químicas, se utilizan en los métodos actuales para medir el nivel de similitud entre fármacos. Este artículo propone un método computacional para medir la similitud entre fármacos utilizando una nueva fuente de evidencia obtenida a partir de datos centrados en pacientes. Más específicamente, se exploran las narraciones de los pacientes sobre sus pensamientos, opiniones y experiencias con fármacos en las redes sociales como una fuente potencial para calcular la similitud entre fármacos. Las comunidades de atención médica en línea se utilizaron para extraer un conjunto de datos de revisiones de pacientes sobre fármacos antiepilépticos. El conjunto de datos recopilado se procesa mediante técnicas de Procesamiento de Lenguaje Natural (NLP) y se aplican cuatro métodos de similitud de texto para medir las similitudes entre ellos. Las similitudes obtenidas se utilizan luego para generar matrices de clasificación basadas en la similitud entre fármacos que se analizan a través de la correlación de Pearson, para responder preguntas relacionadas con la similitud general entre fármacos y la precisión de los cuatro métodos de similitud. Para evaluar las similitudes entre fármacos obtenidas, se comparan con las similitudes de referencia correspondientes obtenidas de DrugSimDB, una herramienta conocida de similitud entre fármacos que se basa en datos centrados en fármacos. Los resultados ofrecen evidencia sobre la viabilidad de los datos centrados en pacientes de las redes sociales como una nueva fuente para calcular la similitud entre fármacos.