La hidrolasa de amida de ácido graso (FAAH) es una enzima responsable de la degradación de la anandamida, un endocannabinoide. Bloquear farmacológicamente este objetivo puede conducir a efectos ansiolíticos; por lo tanto, nuevos inhibidores pueden mejorar la terapia en este campo. Para acelerar el proceso de descubrimiento de fármacos, se pueden utilizar varios métodos in silico, como el acoplamiento molecular, modelos de relación estructura-actividad cuantitativa (QSAR) y algoritmos de clasificación de inteligencia artificial (IA). Además de la arquitectura, un factor importante para un modelo de IA con alta precisión es la calidad del conjunto de datos. Este problema se puede resolver mediante un algoritmo genético que puede seleccionar características óptimas para la predicción. El objetivo del estudio actual es utilizar este método de selección de características para identificar los descriptores moleculares más relevantes que se pueden utilizar como variables independientes, mejorando así la eficacia de los algoritmos de IA que pueden predecir inhibidores de FAAH. El modelo que utilizó las características elegidas por el algoritmo genético tuvo una mejor precisión que el modelo que utilizó todos los descriptores moleculares generados por el software calculador de descriptores CDK 1.4.6. Por lo tanto, seleccionar cuidadosamente los datos de entrada utilizados por los algoritmos de clasificación de IA mediante el uso de un GA es una estrategia prometedora en el desarrollo de fármacos.