感知和识别技术是物联网的基础。传感器是可以感知环境变化的设备，可以包括例如射频识别、红外传感器、相机、全球定位系统、医疗传感器和智能设备传感器。这些传感器可以通过物体识别、位置识别和地理识别进行综合感知，并将这些信息转换为数字信号，更便于网络传输。传感器技术允许对治疗进行实时监控，并有助于获取有关患者的大量生理参数，从而可以快速跟踪诊断和高质量治疗。
有许多可能挽救生命的物联网传感器设备的例子；然而，并非所有设备都经过临床测试或已被证明是安全或有效的。事物之间的通信可以在低频、中频和高频上进行，后者是物联网的主要焦点。其中包括短距离通信技术，例如射频识别、无线传感器网络、蓝牙、低功耗无线网和全球移动通信系统。高频第四代蜂窝网络已经看到了更大的通信潜力，并且不断发展的高频第五代网络变得越来越容易获得，预计将成为医疗保健物联网应用增长的主要驱动力，并有可能提供同时可靠连接多达数千台设备。
通信数据存储在本地或发送到集中式云服务器。支持医疗服务交付的基于云的计算有很多好处，因为它在连接到云的设备之间的数据采集、存储和传输方面无处不在、灵活且可扩展。可以预见，云的使用将支持数据密集型电子病历、患者门户、医疗物联网设备以及驱动决策支持系统和治疗策略的大数据分析。然而，随着越来越多的云应用程序进入健康市场，证据库支持其有效性和安全性并能够处理健康数据的安全性以及第三方数据的可靠性和透明度同样重要。
此外，有人提出集中式云存储在未来会给用户带来问题，例如由于物联网设备和数据中心之间的距离而导致数据积累过多和延迟。分散的数据处理和网络方法可以提高物联网在医疗保健中的可扩展性。边缘云是一种较新的云计算概念，它允许物联网传感器和网络网关以分散的方式自行处理和分析数据，从而减少需要在集中位置进行通信和管理的数据量。
同样，区块链存储使用去中心化的数据存储方法，创建包含单独信息集的独立块，在集体块中形成依赖链接，进而创建由患者而非第三方监管的网络。已经有一些平台工程区块链用于医疗实践的例子；然而，医疗保健中边缘云和区块链的研究仍然有限，是未来研究的重要领域。应用层解释和应用数据，并负责向用户提供特定于应用程序的服务。
物联网提供的一些最有前途的医疗应用是通过人工智能。人工智能能够读取可用的数据密集型电子病历数据，包括病史、体检、实验室、成像和药物，并将这些数据置于情境中以生成治疗和诊断决策或可能性。基于物联网的医疗保健和深度机器学习的使用可以帮助医疗专业人员发现看不见的东西，并提供新的和增强的诊断能力。
尽管诊断信心可能永远不会达到百分之一百，但结合机器和临床医生的专业知识可以可靠地提高系统性能。例如，与五十四位眼科医生和老年住院医师的诊断评估相比，将人工智能应用于视网膜图像提高了糖尿病视网膜病变和黄斑水肿的检测和分级，实现了高特异性和高灵敏度。人工智能和深度学习还可以优化疾病管理，可以提供从移动医疗应用程序和物联网设备生成的大数据和分析，并开始在医疗保健中得到采用。
