Antecedentes: Las bioseñales son los datos esenciales que los sistemas de atención médica inteligentes requieren para diagnosticar y tratar enfermedades comunes. Sin embargo, la cantidad de estas señales que necesitan ser procesadas y analizadas por los sistemas de atención médica es enorme. Lidiar con una cantidad tan vasta de datos presenta dificultades, como la necesidad de altas capacidades de almacenamiento y transmisión. Además, retener la información clínica más útil en la señal de entrada es esencial al aplicar compresión. Métodos: Este documento propone un algoritmo para la compresión eficiente de bioseñales para aplicaciones de IoMT. Este algoritmo extrae las características de la señal de entrada utilizando HWT basado en bloques y luego selecciona las características más importantes para la reconstrucción utilizando el novedoso COVIDOA. Resultados: Utilizamos dos conjuntos de datos públicos diferentes para la evaluación: MIT-BIH arritmia y EEG Movimiento/Imaginación Motora, para señales de ECG y EEG, respectivamente. Los valores promedio del algoritmo propuesto para CR, PRD, NCC y QS son 18.06, 0.2470, 0.9467 y 85.366 para señales de ECG y 12.6668, 0.4014, 0.9187 y 32.4809 para señales de EEG. Además, el algoritmo propuesto muestra su eficiencia sobre otras técnicas existentes en cuanto al tiempo de procesamiento. Conclusiones: Los experimentos muestran que el método propuesto logró con éxito un alto CR manteniendo un excelente nivel de reconstrucción de señal además de su reducido tiempo de procesamiento en comparación con las técnicas existentes.