Antecedentes: Desde el inicio de la pandemia de COVID-19 a principios de 2020, la importancia de la evaluación oportuna y efectiva del bienestar mental ha aumentado drásticamente. Los algoritmos de aprendizaje automático (ML) y las técnicas de inteligencia artificial (AI) pueden ser aprovechados para la detección temprana, la prognóstico y la predicción de estados negativos de bienestar psicológico. Métodos: Utilizamos datos de una encuesta transversal a gran escala que comprende 17 universidades en el sudeste asiático. Este trabajo de investigación modela el bienestar mental e informa sobre el rendimiento de varios algoritmos de aprendizaje automático, incluidos modelos lineales generalizados, vecinos más cercanos, Bayes ingenuo, redes neuronales, bosque aleatorio, particionamiento recursivo, bagging y boosting. Resultados: Los algoritmos de Bosque Aleatorio y boosting adaptativo lograron la mayor precisión para identificar rasgos negativos de bienestar mental. Las cinco características más relevantes asociadas con la predicción de un mal bienestar mental incluyen el número de actividades deportivas por semana, índice de masa corporal, promedio de calificaciones (GPA), horas sedentarias y edad. Conclusiones: Basándonos en los resultados reportados, se discuten varias recomendaciones específicas y trabajo futuro sugerido. Estos hallazgos pueden ser útiles para brindar apoyo rentable y modernizar la evaluación y monitoreo del bienestar mental a nivel individual y universitario.