本研究では、燃え尽き症候群のリスクを予測するための機械学習アプローチを提案しています。燃え尽き症候群は、感情的消耗、非個人化、個人的成就感の低下を特徴とし、個人の幸福度や組織のパフォーマンスに大きな影響を及ぼします。HackerEarth従業員燃え尽きチャレンジのデータセットを使用して、KNN（最近傍法）、ランダムフォレスト、およびサポートベクターマシン（SVM）の3つの教師ありアルゴリズムを評価しました。その結果、SVMが最も高い予測性能（R2 = 0.84）を示し、他のモデルより統計的に優れていることが確認されました。さらに、技術的知識のないユーザーがデータを入力し、燃え尽きリスクを予測できるインタラクティブインターフェースをStreamlitを用いて開発しました。この結果は、機械学習が組織内でのデータ駆動なメンタルヘルス戦略の推進に寄与する可能性を示唆しています。