Dữ liệu cảm biến:

  + Hoạt động thể chất: sử dụng gia tốc kế và GPS để phân loại trạng thái vận động (đứng yên, đi bộ, chạy, di chuyển bằng xe)

  + Âm thanh: nhận diện giọng nói, phân biệt người dùng, phát hiện stress qua đặc trưng âm học

  + Hình ảnh: nhận diện biểu cảm khuôn mặt liên quan đến đau, phân tích mức độ cô lập xã hội

  + Tự báo cáo: sử dụng EMA, PAM, YADL, thiết bị Keppi để ghi nhận mức độ đau và ảnh hưởng đến sinh hoạt

• Quy trình xử lý:
•   + Đo lường → Suy luận → Quản lý
•   + Suy luận hành vi từ dữ liệu thô: phân đoạn hoạt động, gán vị trí, tổng hợp chỉ số vận động
•   + Phản hồi cá nhân hóa: đề xuất hành vi phù hợp, phản hồi bằng âm thanh, hình ảnh, văn bản
• Kiến trúc phần mềm:
•   + SAINT: toolkit thu thập và xử lý dữ liệu cảm biến trên thiết bị, sử dụng mô hình publish-subscribe
•   + Lifestreams: nền tảng phân tích dữ liệu server-side gồm các lớp trích xuất đặc trưng, chọn lọc, suy luận và trực quan hóa
• Thách thức và hướng phát triển:
•   + Tận dụng nhịp sinh học và dữ liệu dài hạn để cá nhân hóa phản hồi
•   + Ứng dụng học sâu và học đa nhiệm để suy luận trạng thái tâm lý
•   + Tăng tính thuyết phục và hiệu quả của phản hồi qua thiết kế tương tác