La pandemia de coronavirus surgió a principios de 2020 y resultó ser mortal, matando a un gran número de personas en todo el mundo. Afortunadamente, se han descubierto vacunas y parecen ser efectivas en el control del grave pronóstico inducido por el virus. El test de transcripción inversa-reacción en cadena de la polimerasa (RT-PCR) es el estándar de oro actual para diagnosticar diferentes enfermedades infecciosas, incluido el COVID-19; sin embargo, no siempre es preciso. Por lo tanto, es extremadamente crucial encontrar un método de diagnóstico alternativo que pueda respaldar los resultados del test estándar de RT-PCR. Por lo tanto, en este estudio se ha propuesto un sistema de apoyo a la toma de decisiones que utiliza técnicas de aprendizaje automático y aprendizaje profundo para predecir el diagnóstico de COVID-19 de un paciente utilizando marcadores clínicos, demográficos y sanguíneos. Los datos de los pacientes utilizados en esta investigación se recopilaron de dos hospitales Manipal en India y se utilizó un clasificador de conjunto apilado de múltiples niveles personalizado para predecir el diagnóstico de COVID-19. También se han utilizado técnicas de aprendizaje profundo como redes neuronales profundas (DNN) y redes convolucionales unidimensionales (1D-CNN). Además, se han utilizado técnicas de inteligencia artificial explicables (XAI) como los valores aditivos de Shapley (SHAP), ELI5, explicador de modelo interpretable local (LIME) y QLattice para hacer que los modelos sean más precisos y comprensibles. Entre todos los algoritmos, el modelo apilado de múltiples niveles obtuvo una excelente precisión del 96%. La precisión, sensibilidad, puntuación f1 y AUC obtenidos fueron del 94%, 95%, 94% y 98% respectivamente. Los modelos pueden utilizarse como un sistema de apoyo a la toma de decisiones para el cribado inicial de pacientes con coronavirus y también pueden ayudar a aliviar la carga existente en la infraestructura médica.