Thiết kế theo phương pháp mLUX (Mobile Learning UX Framework), gồm 4 giai đoạn: nghiên cứu người dùng, phân tích dữ liệu, tạo ý tưởng, và tạo nguyên mẫu.

• Dữ liệu hành vi người dùng được lưu dưới dạng CSV, gồm: mã phòng, thời gian, hành động (đo sinh hiệu, kê đơn, dinh dưỡng…).
• - Học máy sử dụng thuật toán cây quyết định (Decision Tree) để phân loại hành vi dự đoán.
• - Giao diện người dùng được cập nhật động bằng AJAX, hiển thị biểu mẫu phù hợp với hành vi dự đoán.
• - Kiến trúc hệ thống gồm: thiết bị Android có NFC, máy chủ Python (Flask), thư viện Scikit-learn, NumPy, và cơ sở dữ liệu CSV.
• - Thử nghiệm với 6 người dùng cho thấy độ chính xác dự đoán đạt 83%, thời gian phản hồi trung bình 31ms.
• - Các công nghệ được sử dụng: PhoneGap, AWS, Python 3.5, Flask, Scikit-learn, NumPy.
• - Hạn chế: chưa thử nghiệm với nhiều người dùng đồng thời, chưa tích hợp với hệ thống hồ sơ bệnh án thực tế.
• - Hướng phát triển: mở rộng sang Wi-Fi định vị, cải thiện độ chính xác bằng mạng nơ-ron, tích hợp bảo mật WCF, triển khai trong môi trường bệnh viện thực tế.