Las cargas de viento pueden poner en peligro la seguridad y estabilidad de los puentes, especialmente de los puentes colgantes de gran luz. Por lo tanto, es importante evaluar las cargas de viento potenciales durante la etapa de diseño del puente. Tradicionalmente, la evaluación de las cargas de viento se realiza mediante pruebas en túneles de viento, que son relativamente costosas. Con el desarrollo de la dinámica de fluidos computacional y la computación de alto rendimiento, las simulaciones numéricas se están volviendo más accesibles para los diseñadores. Sin embargo, los costos requeridos para obtener resultados numéricos precisos siguen siendo altos, especialmente para simulaciones de alta fidelidad. En estas condiciones, buscar un método más eficiente para evaluar las cargas de viento en la ingeniería de puentes se ha convertido en un nuevo objetivo. Parece que la visualización del flujo es un buen punto de partida. Aunque se han desarrollado técnicas de visualización del flujo en los últimos años, sigue siendo difícil extraer campos de velocidad y presión de las imágenes. Para abordar este problema, se han desarrollado y validado redes neuronales informadas por la física (PINNs). Este estudio establece una PINN para investigar el flujo de fluido viscoso incompresible bidimensional que pasa por una sección genérica de la plataforma del puente. Se prueban dos casos con diferentes números de Reynolds. Después de un cuidadoso entrenamiento, se encuentra que la PINN puede extraer con precisión los campos de velocidad y presión del campo de concentración y predecir los coeficientes de arrastre y sustentación. Los resultados demuestran que las PINNs son un método prometedor para extraer información útil del flujo a partir de datos de visualización del flujo en aplicaciones de ingeniería.