Desde finales de 2019, el mundo ha estado enfrentando la amenaza de COVID-19. Se predice que, antes de lograr la inmunidad colectiva a nivel global a través de la vacunación, las personas de todo el mundo tendrán que abordar la pandemia de COVID-19 utilizando medidas preventivas. Este documento sugiere un sistema de identificación y control de COVID-19 que opera en tiempo real. El sistema propuesto utiliza la plataforma de Internet de las Cosas (IoT) para capturar información de síntomas sensible al tiempo de los usuarios para detectar posibles casos de coronavirus en una etapa temprana, rastrear las medidas clínicas adoptadas por los sobrevivientes y recopilar y examinar datos apropiados para verificar la existencia del virus. Hay cinco componentes clave en el marco: recopilación y carga de datos de síntomas (a través de tecnología de comunicación), un centro de cuarentena/aislamiento, un núcleo de procesamiento de información (utilizando técnicas de inteligencia artificial), computación en la nube y visualización para médicos de atención médica. Esta investigación utiliza ocho técnicas de aprendizaje de máquinas/aprendizaje profundo: Red Neuronal, Tabla de Decisión, Máquina de Vectores de Soporte (SVM), Naive Bayes, OneR, Vecino más Cercano (K-NN), Red Neuronal Densa (DNN) y la técnica de Memoria a Corto y Largo Plazo, para detectar casos de coronavirus a partir de información sensible al tiempo. Se realizó una simulación para verificar los ocho algoritmos, después de seleccionar los síntomas relevantes, en valores de datos de COVID-19 del mundo real. Los resultados mostraron que cinco de estos ocho algoritmos obtuvieron una precisión de más del 90%. En conclusión, se muestra que la información sintomática del mundo real permitiría a estos tres algoritmos identificar casos potenciales de COVID-19 de manera efectiva con una precisión mejorada. Además, el marco presenta respuestas al tratamiento para pacientes con COVID-19.