El cambio climático ha intensificado la frecuencia y severidad de las olas de calor a nivel mundial, planteando riesgos significativos para la salud pública, particularmente en países mediterráneos como Grecia, donde el aumento de las temperaturas coincide con poblaciones envejecidas vulnerables. Este estudio desarrolla un marco de aprendizaje automático que emplea modelos XGBoost para predecir la mortalidad atribuible a las olas de calor por enfermedades cardiovasculares y respiratorias en las regiones griegas, estratificadas por grupos de edad. Utilizando proyecciones climáticas de alta resolución bajo los escenarios RCP4.5 y RCP8.5, los modelos integran datos meteorológicos y demográficos para capturar relaciones no lineales complejas y heterogeneidad regional. El rendimiento del modelo fue rigurosamente validado con un conjunto de datos temporalmente reservado, demostrando una alta precisión predictiva (R > 0.96). Las proyecciones indican un aumento brusco en la mortalidad de los ancianos debido a la exposición al calor para mediados de siglo, con marcadas disparidades geográficas que enfatizan los centros urbanos como Ática. Este trabajo avanza estudios previos al incorporar una estratificación espacial y demográfica detallada y aplicar técnicas de aprendizaje automático robustas más allá de los enfoques estadísticos tradicionales. El modelo ofrece una herramienta valiosa para la planificación de la salud pública y la adaptación al clima en Grecia y contextos mediterráneos similares. Nuestros hallazgos destacan la urgente necesidad de estrategias de mitigación específicas para abordar la creciente carga de mortalidad relacionada con las olas de calor bajo condiciones climáticas cambiantes.