La clasificación oportuna de las enfermedades cardiovasculares es crucial para mejorar los resultados médicos. Los sistemas emergentes de monitoreo remoto de pacientes ayudan a lograr esto al permitir el monitoreo continuo de las señales de electrocardiograma en entornos domésticos. Sin embargo, estos sistemas enfrentan desafíos únicos como la falta de atención a emergencias médicas genuinas, el aumento de la demanda de energía, desafíos de escalabilidad, el manejo de vastas bases de datos médicas, retrasos en el procesamiento de datos y la protección de los registros de los pacientes. Para superar estos desafíos, proponemos un marco único con tres fases principales: (a) un método de monitoreo y clasificación de ECG en tiempo real asistido por K-Nearest Neighbor (KNN) impulsado por hardware embebido; (b) una estrategia de comunicación diferenciada (DCS) formada con un marco de empaquetado de datos de ECG basado en prioridades y protocolos de seguridad en múltiples capas; y (c) una arquitectura de red blockchain de múltiples niveles (MLBN) equipada con mecanismos de seguridad adaptativos y puentes de comunicación de datos médicos en tiempo real entre cadenas. Se realizan simulaciones utilizando el conjunto de datos de señales de ECG (1000 fragmentos) y el marco de desarrollo de Ethereum Ganache. Las precisiones de clasificación obtenidas para las categorías urgentes de pacientes U1 a U5 son 91.43%, 95.71%, 94.23%, 90.00% y 91.43%, respectivamente. Los resultados de la evaluación del rendimiento del método de clasificación guiado por KNN, junto con los resultados de simulación de DCS y MLBN obtenidos del análisis del consumo promedio de gas, confirman la fiabilidad y viabilidad de nuestro marco, al tiempo que revolucionan la tecnología de monitoreo remoto de pacientes y abordan desafíos críticos en los sistemas existentes.