La investigación sobre el sistema inmunológico y el cáncer ha llevado al desarrollo de nuevos medicamentos que permiten a este atacar las células cancerosas. Los medicamentos que apuntan específicamente y destruyen las células cancerosas están en el horizonte; también existen fármacos que utilizan señales específicas para detener la multiplicación de las células cancerosas. Los algoritmos de aprendizaje automático pueden apoyar significativamente e incrementar la tasa de investigación sobre enfermedades complicadas para ayudar a encontrar nuevos remedios. Una área de estudio médico que podría beneficiarse enormemente de los algoritmos de aprendizaje automático es la exploración de los genomas del cáncer y el descubrimiento de los mejores protocolos de tratamiento para diferentes subtipos de la enfermedad. Sin embargo, desarrollar un nuevo medicamento es un proceso que consume tiempo, es complicado, peligroso y costoso. La producción tradicional de medicamentos puede llevar hasta 15 años, con un costo de más de USD 1 mil millones. Por lo tanto, el diseño de medicamentos asistido por computadora (CADD, por sus siglas en inglés) ha surgido como una tecnología poderosa y prometedora para desarrollar diseños más rápidos, económicos y eficientes. Muchas nuevas tecnologías y métodos se han introducido para mejorar la productividad en el desarrollo de medicamentos y las metodologías analíticas, convirtiéndose en una parte crucial de muchos programas de descubrimiento de fármacos; muchos programas de exploración, por ejemplo, utilizan el cribado de ligandos y técnicas de cribado virtual estructural desde la detección de hits hasta la optimización. En esta revisión, examinamos varios tipos de métodos computacionales centrados en fármacos anticancerígenos. El aprendizaje basado en máquinas en la investigación del cáncer básica y traslacional que podría alcanzar nuevos niveles de medicina personalizada marcada por un análisis de datos rápido y avanzado todavía está fuera de alcance. Acabar con el cáncer tal como lo conocemos significa asegurar que cada paciente tenga acceso a terapias seguras y efectivas. Los avances recientes en tecnologías computacionales para el descubrimiento de medicamentos han tenido un impacto grande y notable en el diseño de fármacos anticancerígenos y también han proporcionado ideas útiles en el campo de la terapia contra el cáncer. Con énfasis en los medicamentos anticancerígenos, abordamos los diversos componentes del desarrollo de medicamentos asistidos por computadora en este artículo. La transcriptómica, la toxicogenómica, la genómica funcional y las redes biológicas son solo algunos ejemplos de las técnicas de bioinformática utilizadas para predecir medicamentos anticancerígenos y combinaciones de tratamientos basadas en datos multi-ómicos. Creemos que una revisión general de las bases de datos disponibles actualmente y las técnicas computacionales utilizadas hoy en día será beneficiosa para la creación de nuevos enfoques de tratamiento contra el cáncer.