El síndrome respiratorio agudo severo del coronavirus 2 (SARS-CoV-2) es un virus respiratorio que interfiere con el funcionamiento de varios sistemas de órganos. El sistema cardiovascular representa uno de los sistemas afectados por la enfermedad del nuevo coronavirus (COVID-19). De hecho, se observó un estado de hipercoagulabilidad en algunos pacientes críticamente enfermos de COVID-19. La predicción oportuna del riesgo de trombosis en pacientes con COVID-19 ayudaría a prevenir la incidencia de eventos tromboembólicos y reducir la carga de la enfermedad. Este trabajo propone una metodología que identifica a pacientes con COVID-19 con un alto riesgo de tromboembolismo utilizando modelado computacional y aprendizaje automático. Comenzamos estudiando la dinámica de la formación de trombos en pacientes con COVID-19 mediante un modelo matemático ajustado a los hallazgos experimentales de crecimiento de coágulos in vivo. Utilizamos simulaciones numéricas para cuantificar la regulación al alza en el tamaño de los trombos formados en pacientes con COVID-19. A continuación, demostramos que el COVID-19 regula al alza la concentración máxima de generación de trombina (TG) y su potencial endógeno de trombina. Finalmente, utilizamos una versión simplificada en 1D del modelo de crecimiento de coágulos para generar un conjunto de datos que contiene las respuestas hemostáticas de pacientes virtuales con COVID-19 y sujetos sanos. Utilizamos este conjunto de datos para entrenar algoritmos de aprendizaje automático que pueden ser fácilmente desplegados para predecir el riesgo de trombosis en pacientes con COVID-19.