Antecedentes: La infección por el Síndrome Respiratorio Agudo Severo del Coronavirus-2 (SARS-CoV-2) puede causar consecuencias temidas, como afectar la actividad microcirculatoria. El uso combinado del análisis de HRV, algoritmos genéticos y clasificadores de aprendizaje automático puede ser útil para comprender mejor las características de la microcirculación que son principalmente afectadas por la infección por COVID-19. Métodos: Este estudio tuvo como objetivo verificar la presencia de alteraciones en la microcirculación en pacientes con infección por COVID-19, realizando un análisis de parámetros de Variabilidad de la Frecuencia Cardíaca (HRV) extraídos de las señales de FotoPletismografía (PPG). El conjunto de datos incluyó 97 sujetos divididos en dos grupos: sanos (50 sujetos) y pacientes afectados por COVID-19 de gravedad leve (47 sujetos). Se extrajeron un total de 26 parámetros mediante el análisis de HRV e fueron investigados utilizando algoritmos genéticos con tres métodos diferentes de selección de sujetos y cinco clasificadores de aprendizaje automático diferentes. Resultados: Tres parámetros: meanRR, alpha1 y sd2/sd1 fueron considerados significativos, combinando los resultados obtenidos por el algoritmo genético. Finalmente, se realizaron clasificaciones de aprendizaje automático entrenando clasificadores solo con esas tres características. El mejor resultado se logró con el clasificador de Árbol de Decisión binario, logrando una precisión del 82%, una especificidad (o precisión) del 86% y una sensibilidad del 79%. Conclusiones: Los resultados del estudio resaltan la capacidad de utilizar la extracción de parámetros de HRV de las señales de PPG, combinados con algoritmos genéticos y clasificadores de aprendizaje automático, para determinar qué características son más útiles en discriminar entre sujetos sanos y afectados por COVID-19 de gravedad leve.