Debido a la influencia de COVID-19, la telemedicina se está volviendo cada vez más importante. Los videos médicos de alta calidad pueden proporcionar a un médico una mejor experiencia visual y aumentar la precisión del diagnóstico de enfermedades, pero esto requiere un aumento drástico en el ancho de banda en comparación con el necesario para videos regulares. Los enfoques existentes de transmisión de video adaptativo no pueden proporcionar con éxito servicios de transmisión de video de alta resolución en condiciones de red pobres o fluctuantes con ancho de banda limitado. En este documento, proponemos una transmisión de video médico adaptativo potenciada por superresolución en un sistema de telemedicina (llamado SR-Telemedicina) para proporcionar videos de alta calidad de experiencia (QoE) para el médico mientras se ahorra ancho de banda de red. En SR-Telemedicina, primero se transmiten fragmentos de video de muy baja resolución desde el paciente hasta un nodo de computación en el borde cerca del médico. Luego, se emplea un modelo de superresolución de video (VSR) en el borde para reconstruir los fragmentos de video de baja resolución en otros de alta resolución con un nivel de alta resolución apropiado (como 720p o 1080p). Además, la red neuronal del modelo VSR está diseñada para ser escalable y puede determinarse dinámicamente. Basado en la capacidad computacional variable en el tiempo del nodo de computación en el borde y la condición de la red, se propone un algoritmo basado en Double Deep Q-Network (DDQN) para seleccionar conjuntamente el nivel óptimo reconstruido de alta resolución y la escala del modelo VSR. Finalmente, se realizan experimentos extensos basados en trazas del mundo real, y los resultados experimentales ilustran que el sistema SR-Telemedicina propuesto puede mejorar la QoE de los videos médicos en un 17-79% en comparación con tres algoritmos de referencia.