A partir de finales de 2019, el mundo sufrió una enfermedad causada por el virus SARS-CoV-2, que se ha convertido en la pandemia COVID-19. Esta enfermedad agresiva deteriora el sistema respiratorio humano. Los pacientes con COVID-19 pueden desarrollar síntomas que pertenecen a la gripe común, neumonía y otras enfermedades respiratorias en los primeros cuatro a diez días después de haber sido infectados. Como resultado, puede causar un diagnóstico erróneo entre pacientes con COVID-19 y neumonía típica. Algunas técnicas de aprendizaje profundo pueden ayudar a los médicos a obtener un pre-diagnóstico efectivo. El contenido de este artículo consiste en un modelo de aprendizaje profundo, específicamente una red neuronal convolucional con pesos pre-entrenados, que nos permite usar transfer learning para obtener nuevos modelos reentrenados para clasificar COVID-19, neumonía y pacientes sanos. Uno de los principales hallazgos de este artículo es que se obtuvo el siguiente resultado relevante en el conjunto de datos que utilizamos para los experimentos: todos los pacientes infectados con SARS-CoV-2 y todos los pacientes infectados con neumonía fueron clasificados correctamente. Estos resultados nos permiten concluir que el método propuesto en este artículo puede ser útil para ayudar a los médicos a decidir los diagnósticos relacionados con COVID-19 y neumonía típica.