Recientemente, ha resultado difícil realizar un diagnóstico remoto inmediato de cualquier enfermedad coronaria, incluyendo enfermedades del corazón, diabetes, etc. Las desventajas de las infraestructuras de computación en la nube, como la latencia excesiva, el ancho de banda, el consumo de energía, la seguridad y las preocupaciones sobre la privacidad, han sido abordadas últimamente por la computación en la niebla con aplicaciones de IoT. En este estudio, se ha introducido un sistema integrado IoT-Niebla-Nube, llamado un marco potenciado por la niebla para el análisis en tiempo real en pacientes cardíacos utilizando aprendizaje profundo en conjunto (FRIEND), que puede facilitar instantáneamente el diagnóstico remoto de pacientes cardíacos. El sistema propuesto fue entrenado con el conjunto de datos combinado de Long-Beach, Cleveland, Suiza y conjuntos de datos de enfermedades cardíacas húngaras. Primero probamos el modelo con ocho enfoques básicos de ML, incluyendo el árbol de decisión, la regresión logística, el bosque aleatorio, Naive Bayes, los vecinos más cercanos, la máquina de soporte vectorial, AdaBoost y XGBoost, y luego aplicamos métodos de conjunto que incluyen clasificadores de bagging, promedios ponderados y votación suave y dura para lograr resultados mejorados y una red neuronal profunda, un enfoque de aprendizaje profundo, con los métodos de conjunto. Estos modelos fueron validados utilizando 16 parámetros de rendimiento y 9 parámetros de red para justificar este trabajo. La precisión, PPV, TPR, TNR y las puntuaciones F1 de los experimentos alcanzaron 94.27%, 97.59%, 96.09%, 75.44% y 96.83%, respectivamente, que fueron comparativamente más altas cuando la red neuronal profunda se ensambló con clasificadores de bagging y votación dura. La facilidad de uso y la inclusión de principios de computación en la niebla, el diagnóstico instantáneo remoto de pacientes cardíacos, la baja latencia y el bajo consumo de energía, etc., son ventajas confirmadas de acuerdo con los resultados experimentales obtenidos.