Chronische ziekten vereisen langdurige medische zorg. Recente ontwikkelingen op het gebied van mHealth maken het mogelijk om continu gegevens te verzamelen met smartphones en wearables. Het opsporen van de progressie van chronische ziekten wordt momenteel belemmerd door de volgende problemen. Monitoren in het dagelijks leven gebeurt zelden vanwege de moeilijkheden om gelabelde data te verzamelen. Interactie met een continue datastroom zorgt ervoor dat patiënten afhaken en ook zijn de labels subjectief. Bovendien is het identificeren van discrepanties bij individuele patiënten een uitdaging omdat ziekte en menselijk gedrag in de loop der tijd veranderen, metingen persoonsafhankelijk zijn, en patiënten zich al in een afwijkende situatie kunnen bevinden als de monitoring start. Tot slot is het moeilijk om de causale structuren in gegevens te leren om discrepanties te begrijpen vanwege het bestaan van veel confounders. Om preventie te realiseren met gezondheidsmonitoring op de lange termijn, zal een generiek raamwerk worden gecreëerd voor chronische ziekten. De volgende drie onderzoeksuitdagingen worden hiervoor aangepakt: 1) Persoonlijke anomaliedetectie voor de progressie van chronische ziekten met ongelabelde data; 2) Discrepantiedetectie met behulp van inter- en intrapersoonlijke kenmerken; en 3) Inzicht in causale structuren met behulp van gedistribueerde heuristische benaderingen.