En este documento, se propone un sistema basado en aprendizaje automático para la predicción del nivel requerido de soporte respiratorio en pacientes con COVID-19. El nivel de soporte respiratorio se divide en tres clases: clase 0 que se refiere a un soporte mínimo, clase 1 que se refiere a un soporte no invasivo y clase 2 que se refiere a un soporte invasivo. Se construye un sistema de clasificación de dos etapas. Primero, se realiza la clasificación entre la clase 0 y las demás. Luego, se realiza la clasificación entre la clase 1 y la clase 2. El sistema se construye utilizando un conjunto de datos recopilado retrospectivamente de 3491 pacientes ingresados en hospitales de atención terciaria en el Centro Médico de la Universidad de Louisville. Se demuestra el uso del método de selección de características basado en el análisis de varianza en el documento. Además, se utiliza un método de reducción de dimensionalidad llamado análisis de componentes principales. El clasificador XGBoost logra la mejor precisión de clasificación (84%) en la primera etapa. También logró un rendimiento óptimo en la segunda etapa, con una precisión de clasificación del 83%.