La salud mental es una preocupación importante para todas las clases de personas, pero especialmente para los médicos en el mundo actual. Una tarea desafiante es identificar los factores de riesgo significativos responsables de la depresión entre los médicos. Para abordar este problema, el estudio tuvo como objetivo construir un modelo predictivo basado en aprendizaje automático que sea capaz de predecir los niveles de depresión y encontrar los factores de riesgo asociados. Se recopiló un conjunto de datos en bruto para llevar a cabo este estudio y se preprocesó según fuera necesario. Luego, el conjunto de datos se dividió en 10 subconjuntos para determinar el mejor conjunto posible de atributos para predecir la depresión. Se aplicaron siete algoritmos de clasificación diferentes, KNN, DT, LGBM, GB, RF, ETC y StackDPP, a todos los subconjuntos de datos. StackDPP es un clasificador de conjunto basado en apilamiento, que se propuso en este estudio. Se encontró que StackDPP tuvo un mejor rendimiento en todos los conjuntos de datos. Los hallazgos indican que StackDPP con el subconjunto de datos con todos los atributos obtuvo la mayor precisión (0.962581), y los 20 mejores atributos fueron suficientes para obtener una precisión de 0.96129 por StackDPP, que estuvo cerca del rendimiento del conjunto de datos con todos los atributos. Además, se analizaron los factores de riesgo en este estudio para revelar los factores de riesgo más significativos responsables de la depresión entre los médicos. Los hallazgos del estudio indican que el modelo propuesto es altamente capaz de predecir el nivel de depresión, junto con encontrar los factores de riesgo más significativos. El estudio permitirá a los profesionales de la salud mental y a los psiquiatras decidir sobre el tratamiento y la terapia para los médicos mediante el análisis del nivel de depresión y la identificación de los factores de riesgo más significativos.