心血管疾病（CVD）是全球的主要死因，早期预测对CVD预防、诊断和治疗至关重要。二十世纪末，研究者根据不同权重将多种危险因素组成风险评分来预测CVD风险，以便确定最有可能从预防性干预措施中获益的人群，为一些国家带来重大利益。然而，传统的风险模型通常无法捕捉危险因素之间的非线性关系。人工智能（AI）技术，特别是监督式机器学习和深度学习，为CVD预测提供了新视角和工具。近几年，基于电子病历、多模态影像等临床数据和衰老大数据可以准确地预测CVD的发病和死亡风险，因此，本文将从传统评分、基于AI的临床数据和衰老大数据的CVD预测模型研究现状分别进行阐述，为促进AI结合CVD提供思路。