As doenças reumáticas representam um importante problema de saúde pública, associadas ao uso contínuo de medicamentos e ao aumento dos custos no Sistema Único de Saúde (SUS), impactando diretamente a gestão da assistência farmacêutica e a segurança do paciente. Objetivou-se aplicar modelos de aprendizado de máquina para a predição dos custos de medicamentos utilizados no tratamento de doenças reumáticas no SUS, visando subsidiar a gestão e promover maior segurança no cuidado em saúde. Trata-se de um estudo quantitativo, analítico, com dados secundários do DATASUS (SIH/SUS e SIA/SUS) e do Banco de Preços em Saúde, no período de 2020-2024. Foram aplicados modelos Random Forest, K-Nearest Neighbors e Multi-Layer Perceptron, avaliados por meio das métricas R², RMSE e MAE. Os resultados evidenciaram melhor desempenho do modelo Random Forest (R²=0,89), indicando maior precisão na predição dos custos, especialmente em faixas de menor e médio valor, com maior dificuldade nos medicamentos de alto custo. Os achados demonstram o potencial da inteligência artificial como ferramenta de apoio à gestão no SUS, contribuindo para o planejamento de recursos e a sustentabilidade do sistema. No contexto da Enfermagem, destaca-se a contribuição dessas tecnologias para o gerenciamento de insumos, organização do cuidado e promoção da segurança do paciente.