COVID-19 ha sido un gran desafío para la humanidad desde el año 2020. El mundo entero ha hecho un gran esfuerzo por encontrar una vacuna efectiva para salvar a aquellos que aún no han sido infectados. La solución alternativa es el diagnóstico temprano, realizado a través de pruebas de reacción en cadena de la polimerasa en tiempo real (RT-PCR) o imágenes de tomografía computarizada (TC) de tórax. Los algoritmos de aprendizaje profundo, específicamente las redes neuronales convolucionales, representan una metodología para el análisis de imágenes. Optimizan la tarea de diseño de clasificación, que es esencial para un enfoque automático con diferentes tipos de imágenes, incluidas las médicas. En este documento, adoptamos una arquitectura de red neuronal convolucional profunda preentrenada para diagnosticar la enfermedad COVID-19 a partir de imágenes de TC. Nuestra idea está inspirada en lo que toda la humanidad está logrando, ya que el conjunto de múltiples contribuciones es mejor que cualquier contribución individual para la lucha contra la pandemia. En primer lugar, adaptamos y posteriormente volvemos a entrenar para nuestra suposición algunas arquitecturas neuronales que se han adoptado en otros dominios de aplicación. En segundo lugar, combinamos el conocimiento extraído de las imágenes por las arquitecturas neuronales en un contexto de clasificación de conjunto. Nuestra fase experimental se realiza en un conjunto de datos de imágenes de TC, y los resultados obtenidos muestran la efectividad del enfoque propuesto con respecto a los competidores de última generación.