本文针对医疗物联网（IoMT）设备在资源受限、数据高度敏感以及联邦学习（FL）引入的隐私风险背景下，提出了一种结合后量子密码学（PQC）与边缘原生编排的安全框架。研究首先分析了IoMT面临的三重挑战：传统轻量级密码在量子计算下的脆弱性、FL模型更新可能泄露医疗隐私、以及设备计算和能源限制。为此，作者设计了一套基于Kubernetes的可扩展架构，集成后量子密钥建立、轻量级加密和边缘原生调度能力，并在Raspberry Pi实验平台上进行了验证。实验结果表明，分布式密码处理相比顺序设计能显著降低延迟，同时保持可接受的资源开销。论文的主要贡献在于为支持FL的IoMT系统设计并验证了一套安全编排与通信框架，并展望了能量感知架构、智能安全优化以及下一代智能医疗物联网（IIoMT）生态系统的发展方向。本研究适合关注医疗设备安全、后量子密码应用及边缘计算的研究者和工程师阅读。