La previsión precisa de la propagación de la enfermedad por coronavirus 2019 (COVID-19) es indispensable para una planificación efectiva de la salud pública y la asignación de recursos sanitarios en todos los niveles de gobernanza, tanto a nivel nacional como global. Los modelos de predicción convencionales para la pandemia de COVID-19 a menudo carecen de precisión, debido a su dependencia de tasas de transmisión homogéneas y a la omisión de características geográficas al aislar regiones de estudio. Para abordar estas limitaciones y avanzar en las capacidades predictivas de los modelos de propagación de COVID-19, es imperativo refinar los parámetros del modelo de acuerdo con los conocimientos en evolución sobre la trayectoria de la enfermedad, las tasas de transmisión y la multitud de factores económicos y sociales que influyen en la infección. Esta investigación presenta un nuevo modelo híbrido que combina ecuaciones epidémicas clásicas con una red neuronal recurrente (RNN) para predecir la propagación de la pandemia de COVID-19. El modelo propuesto integra características dependientes del tiempo, a saber, el número de individuos clasificados como susceptibles, infecciosos, recuperados y fallecidos (SIRD), e incorpora la movilidad humana de regiones vecinas como una característica espacial crucial. El estudio formula una función de tiempo discreto dentro del componente de infección del modelo SIRD, asegurando aplicabilidad en tiempo real mientras mitiga el sobreajuste y mejora la eficiencia general en comparación con varios modelos existentes. La validación del modelo propuesto se llevó a cabo utilizando un conjunto de datos de COVID-19 disponible públicamente obtenido de Italia. Los resultados experimentales demuestran el rendimiento excepcional del modelo, superando a los modelos espaciotemporales existentes en la previsión a tres días. Esta investigación no solo contribuye al campo de la modelización epidémica, sino que también proporciona una herramienta robusta para que los responsables de políticas y los profesionales de la salud tomen decisiones informadas en la gestión y mitigación del impacto de la pandemia de COVID-19.