La pandemia de COVID-19 ha producido cambios sociales y económicos que todavía están afectando nuestras vidas. El coronavirus es proinflamatorio, se está replicando y se está propagando rápidamente. El órgano más afectado es el pulmón, y la evolución de la enfermedad puede degenerar muy rápidamente desde la fase inicial, también conocida como leve a moderada e incluso a etapas graves, donde el porcentaje de pacientes recuperados es muy bajo. Por lo tanto, un método rápido y automático para detectar las etapas de la enfermedad en pacientes que se sometieron a una investigación de tomografía computarizada puede mejorar el protocolo clínico. El aprendizaje por transferencia se utiliza para abordar este problema, principalmente al disminuir el tiempo computacional. El conjunto de datos está compuesto por imágenes de bases de datos públicas de 118 pacientes y nuevos datos de 55 pacientes recopilados durante la propagación de COVID-19 en Rumania en la primavera de 2020. Aunque la detección de la enfermedad mediante escáneres de tomografía computarizada fue estudiada utilizando algoritmos de aprendizaje profundo, hasta donde sabemos, no hay estudios relacionados con la clasificación multiclase de las imágenes en etapas de daño pulmonar. Esto podría ser útil para que los médicos establezcan automáticamente la gravedad de la enfermedad y decidan sobre el tratamiento adecuado para los pacientes y cualquier vigilancia especial, si es necesario. Se completó un estudio de evaluación considerando seis CNN preentrenadas diferentes. Los resultados son alentadores, asegurando una precisión de alrededor del 87%. El impacto clínico sigue siendo enorme, incluso si la propagación y la gravedad de la enfermedad actualmente están disminuidas.