Desde el inicio de la crisis del COVID-19, las investigaciones académicas y la formulación de políticas han aprovechado las potentes capacidades de los análisis de redes sociales impulsados por inteligencia artificial (IA). La formulación de políticas basada en evidencia se ha facilitado a través de la aplicación competente de metodologías de IA y procesamiento de lenguaje natural (PLN) para analizar el vasto panorama de las discusiones en redes sociales. Sin embargo, investigaciones recientes no han logrado demostrar una metodología para discernir los factores subyacentes que influyen en los temas de discusión relacionados con el COVID-19. En este esfuerzo académico, se despliega un marco innovador basado en IA y PLN, que incorpora traducción, análisis de sentimientos, análisis de temas, regresión logística y técnicas de agrupamiento para identificar y elucidar meticulosamente los factores que son relevantes para cualquier tema de discusión dentro del corpus de redes sociales. Esta metodología pionera se prueba y evalúa rigurosamente utilizando un conjunto de datos que comprende 152,070 tweets relacionados con el COVID-19, recopilados entre el 15 de julio de 2021 y el 20 de abril de 2023, abarcando discursos en 58 idiomas distintos. El análisis de regresión impulsado por IA reveló 37 observaciones distintas, de las cuales 20 demostraron un nivel de significancia más alto. Paralelamente, el análisis de agrupamiento identificó 15 observaciones, incluyendo nueve de relevancia sustancial. Estas 52 observaciones facilitadas por IA revelan y delinean colectivamente los factores que están intrínsecamente vinculados a cinco temas de discusión centrales que son prevalentes en el ámbito del discurso sobre COVID-19 en Twitter. Hasta donde sabemos, esta investigación constituye el esfuerzo inaugural en identificar de manera autónoma los factores asociados con los temas de discusión sobre COVID-19, marcando una aplicación pionera de algoritmos de IA en este dominio. La implementación de este método tiene el potencial de mejorar significativamente la práctica de la formulación de políticas basada en evidencia en relación con asuntos concernientes al COVID-19.