La pandemia de coronavirus (COVID-19) continúa cobrando víctimas. Según la Organización Mundial de la Salud, en los 28 días previos al 25 de febrero de 2024, el número de muertes por COVID-19 fue de 7141. En este trabajo, nuestro objetivo fue modelar las olas de COVID-19 a través de redes neuronales artificiales (ANN) y el modelo sigmoidal-Boltzmann. La variable de estudio fue el número acumulativo global de muertes según los días, basado en el conjunto de datos de Perú. Además, las variables se adaptaron para determinar la correlación entre las medidas de aislamiento social y las tasas de mortalidad, lo que constituye una contribución novedosa. Se utilizó una metodología cuantitativa que implementó un diseño no experimental, longitudinal y correlacional. El estudio fue retrospectivo. Los resultados muestran que los modelos sigmoidal y ANN fueron razonablemente representativos y podrían ayudar a predecir la propagación de COVID-19 a lo largo de múltiples olas. Además, los resultados fueron precisos, con un coeficiente de correlación de Pearson superior a 0.999. El modelo computacional sigmoidal-Boltzmann también fue eficiente en tiempo. Además, la correlación de Spearman entre las medidas de aislamiento social y las tasas de mortalidad fue de 0.77, lo cual es aceptable considerando que la variable de aislamiento social es cualitativa. Finalmente, concluimos que las medidas de aislamiento social tuvieron un efecto significativo en la reducción de muertes por COVID-19.