Las redes sociales son una gran fuente de datos para análisis, ya que proporcionan formas para que las personas compartan emociones, sentimientos, ideas e incluso síntomas de enfermedades. Al final de 2019, se emitió una alerta global de pandemia, relacionada con un virus que tenía una alta tasa de contagio y podía causar complicaciones respiratorias. Para ayudar a identificar a aquellos que puedan tener los síntomas de esta enfermedad o detectar quién ya está infectado, este artículo analizó el rendimiento de ocho algoritmos de aprendizaje automático (KNN, Naive Bayes, Árbol de Decisión, Bosque Aleatorio, SVM, Perceptrón Multicapa simple, Redes Neuronales Convolucionales y BERT) en la búsqueda y clasificación de tweets que mencionan autorreportes de síntomas de COVID-19. El conjunto de datos fue etiquetado utilizando un conjunto de palabras clave de síntomas de enfermedades proporcionadas por la Organización Mundial de la Salud. Los tests mostraron que el algoritmo de Bosque Aleatorio tuvo los mejores resultados, seguido de cerca por BERT y Red Neuronal Convolucional, aunque los algoritmos tradicionales de aprendizaje automático también pueden proporcionar buenos resultados. Este trabajo también podría ayudar en la selección de algoritmos en la identificación de síntomas de enfermedades en el contenido de redes sociales.