La depresión afecta aproximadamente a 200,000 personas en Piura, Perú, representando un desafío significativo para los servicios de salud mental con recursos limitados. Este estudio evaluó un modelo de aprendizaje automático para predecir tempranamente la depresión en centros de salud piuranos. Se analizaron 320 historias clínicas mediante un diseño transversal no experimental, implementando algoritmos de regresión logística, máquinas de soporte vectorial y bosques aleatorios. El modelo de regresión logística demostró el mejor rendimiento con una precisión del 87% en la clasificación de niveles de depresión. Se identificaron correlaciones significativas entre síntomas afectivos y ansiosos (r=0.82, p<0.001), y entre manifestaciones somáticas y conductuales (r=0.76, p<0.001). Los estresores psicosociales emergieron como predictores principales (OR=2.34, IC95%:1.89-2.89)....