El aprendizaje profundo es una subdisciplina de la inteligencia artificial que utiliza redes neuronales artificiales, una técnica de aprendizaje automático, para extraer patrones y hacer predicciones a partir de grandes conjuntos de datos. En los últimos años, ha logrado un rápido desarrollo y se utiliza ampliamente en numerosas disciplinas con resultados fructíferos. Aprender información valiosa a partir de datos biomédicos complejos, de alta dimensionalidad y heterogéneos es un desafío clave en la transformación de la atención médica. En esta revisión, proporcionamos una visión general de las técnicas emergentes de aprendizaje profundo, la investigación de COVID-19 que involucra el aprendizaje profundo, y ejemplos concretos de métodos de aprendizaje profundo en el diagnóstico, pronóstico y manejo del tratamiento de COVID-19. El aprendizaje profundo puede procesar datos de imágenes médicas, resultados de pruebas de laboratorio y otros datos relevantes para diagnosticar enfermedades, juzgar la progresión y el pronóstico de enfermedades, e incluso recomendar planes de tratamiento y estrategias de uso de medicamentos para acelerar el desarrollo de fármacos y mejorar la calidad de los medicamentos. Además, puede ayudar a los gobiernos a desarrollar medidas adecuadas de prevención y control. También evaluamos las limitaciones y desafíos actuales del aprendizaje profundo en la precisión terapéutica para COVID-19, incluida la falta de datos fenotípicamente abundantes y la necesidad de modelos de aprendizaje profundo más interpretables. Finalmente, discutimos cómo se pueden superar las barreras actuales para permitir futuras aplicaciones clínicas del aprendizaje profundo.