Introducción. Las enfermedades cardiovasculares son un problema de salud creciente,
en Cuba no hay modelos predictivos para hacer estimaciones del riesgo cardiovascular
basados en cohortes de su población. Objetivo. Diseñar un modelo predictivo mediante
técnicas de inteligencia artificial para predecir el riesgo cardiovascular en la atención
primaria de salud. Método. La fuente de datos fue una cohorte prospectiva seguida
durante 10 años, en el policlínico José Ávila Serrano, de Velasco, Holguín. Fueron
utilizadas la metodología KDD y la herramienta de minería de datos Weka, que
permitieron identificar predictores significativos, para generar los modelos se aplicaron
algoritmos de machine learning, se compararon los modelos obtenidos aplicándose las
métricas más usadas para clases desbalanceadas. Resultados. Los algoritmos JRip, J48
y MLP fueron efectivos para generar los modelos, el mejor desempeño fue con el
Multilayer Perceptron, una red neuronal artificial, el modelo fue implementado basado en
el algoritmo de árboles de decisión J48 y el de reglas JRip y resultó más efectivo al
compararlo con las tablas de predicción de riesgo cardiovascular de la OMS 2019 válidas
para su uso en la población cubana. Conclusiones. El modelo predictivo generado
mediante técnicas de inteligencia artificial fue útil, valido y comprensible, y su
implementación en la atención primaria de salud supone una contribución a la prevención
y control de las enfermedades cardiovasculares y evidenció un rendimiento superior al
compararlo con las tablas predictivas de la OMS 2019.