Desde el inicio de la pandemia de COVID-19 hace casi dos años, se han publicado más de 700,000 artículos científicos sobre el tema. Un investigador individual no puede familiarizarse con un corpus de texto tan grande y, por lo tanto, se necesita mucha ayuda de la inteligencia artificial (IA). Proponemos una herramienta basada en IA para ayudar a los investigadores a navegar por las colecciones de artículos médicos de manera significativa y extraer conocimiento de los artículos científicos sobre COVID-19. La idea principal de nuestro enfoque es obtener la mayor cantidad de información semiestructurada posible del corpus de texto, utilizando el reconocimiento de entidades nombradas (NER) con un modelo llamado PubMedBERT y el servicio Text Analytics for Health, luego almacenar los datos en una base de datos NoSQL para un procesamiento rápido adicional y la generación de ideas. Además, se determinan los contextos en los que se utilizaron las entidades (neutrales o negativos). La aplicación de métodos de PLN y detección de emociones basada en texto (TBED) al corpus de texto de COVID-19 nos permite obtener información sobre temas importantes de diagnóstico y tratamiento (como cambios en el tratamiento médico con el tiempo, estrategias de tratamiento conjunto utilizando varios medicamentos y la conexión entre signos y síntomas del coronavirus, etc.).