La pandemia de COVID-19 ha aumentado significativamente la incidencia de eventos cardiovasculares post-infección, particularmente el infarto de miocardio, en individuos mayores de 40 años. Aunque los mecanismos subyacentes siguen siendo elusivos, este estudio emplea un enfoque híbrido de aprendizaje automático para analizar datos epidemiológicos en la evaluación de 13 factores clave de riesgo de infarto y su susceptibilidad. Basado en un conjunto de datos único que combina información demográfica, bioquímica, ECG y pruebas de esfuerzo con talio, este estudio tiene como objetivo diseñar, desarrollar y desplegar un sistema de apoyo a la decisión clínica. Asimilando resultados de cinco técnicas de agrupamiento aplicadas al conjunto de datos de "riesgo de infarto de corazón de Kaggle", el estudio categoriza subpoblaciones distintas según diferentes perfiles de riesgo y luego divide la población en grupos de "alto riesgo" (AR) y "bajo riesgo" (NAR) utilizando algoritmos de agrupamiento. El algoritmo GMM supera a sus competidores (con una precisión de agrupamiento y puntajes del coeficiente de Silhouette de 84.24% y 0.2623, respectivamente). Análisis posteriores, empleando correlación de Pearson y regresión lineal como descriptores, revelan una fuerte asociación entre la probabilidad de experimentar un infarto y los 13 factores de riesgo estudiados, y estos son estadísticamente significativos (p < 0.05). Nuestros hallazgos proporcionan valiosos conocimientos para el desarrollo de estrategias de estratificación de riesgo y prevención dirigidas a individuos de alto riesgo basadas en puntajes de riesgo de infarto. El riesgo agravado para pacientes posmenopáusicas indica factores de riesgo individuales comprometidos debido a la disminución de estrógenos que pueden verse aún más comprometidos por impactos de estrés externos, como la ansiedad y el miedo, aspectos que tradicionalmente han eludido las predicciones de modelado de datos. El modelo puede ser reutilizado para analizar el impacto de COVID-19 en poblaciones vulnerables.