Predecir adecuadamente los desechos médicos (MW) es vital para un sistema efectivo de gestión de residuos (WMS), pero es difícil debido a datos insuficientes y diversos factores que impactan en los MW. El objetivo principal de este estudio fue desarrollar un algoritmo de regresión de votación de conjunto basado en algoritmos de aprendizaje automático (ML) como bosques aleatorios (RF), máquinas de aumento de gradiente (GBM) y aumento adaptativo (AdaBoost) para predecir los MW para Estambul, la ciudad más grande de Turquía. Este fue el primer estudio en utilizar algoritmos de ML para predecir MW, según nuestro conocimiento. Primero, se desarrollaron tres algoritmos de ML basados en datos oficiales. Para comparar sus rendimientos, se calcularon medidas de rendimiento como la desviación media absoluta (MAE), el error cuadrático medio (RMSE), el error porcentual absoluto medio (MAPE) y el coeficiente de determinación (R-cuadrado). Entre los modelos de ML independientes, RF logró el mejor rendimiento. Luego, estos modelos base se utilizaron para construir el modelo propuesto de regresión de votación de conjunto (VR) utilizando promedios ponderados según los rendimientos de los modelos base. El modelo propuesto superó a tres modelos de referencia, con el RMSE más bajo (843.70). Este estudio proporciona una herramienta efectiva a los profesionales y tomadores de decisiones para planificar y construir sistemas de gestión de desechos médicos al predecir la cantidad de MW.