A doença cardiovascular permanece como a principal causa de morbimortalidade global, o que demanda estratégias de prevenção primária mais robustas e adaptadas à realidade dos sistemas de saúde. O presente estudo tem como objetivo realizar uma revisão sistemática da literatura sobre a aplicação de algoritmos de Machine Learning para a predição de risco cardiovascular no contexto da Atenção Primária à Saúde, especificamente na Estratégia Saúde da Família. A metodologia adotada consistiu em uma revisão de natureza narrativa e qualitativa, realizada na base de dados PubMed, compreendendo publicações entre janeiro de 2023 e dezembro de 2026, com foco na comparação entre modelos de inteligência artificial e escores de risco tradicionais. Os resultados evidenciam que algoritmos de aprendizado de máquina, como Random Forest, XGBoost e Deep Learning, superam consistentemente os métodos estatísticos convencionais em acurácia e discriminação de risco, além de viabilizarem o uso de biomarcadores digitais de baixo custo e a integração de determinantes sociais e variáveis de saúde mental nos modelos preditivos. Conclui-se que a implementação dessas tecnologias, aliada à telemedicina, apresenta-se como uma estratégia custo-efetiva e promissora para a personalização do cuidado e a otimização de recursos no Sistema Único de Saúde.