Novas estruturas de armazenamento não relacionais estão sendo desenvolvidas, conforme citado anteriormente, a plataforma de armazenamento de dados Cloud Aura DB da Neo4J tem a capacidade de colocar toda estrutura de tabelas de um banco de dados relacional em um Graph DB. Nesse contexto, é importante desenvolver tecnologia para gerar uma base de conhecimento de um sistema de apoio ao diagnóstico, a partir de um conjunto de informações (Ex.: anamneses) associadas a condutas médicas, a fim de viabilizar a transformação de informações textuais relacionadas ao diagnóstico em conceitos que poderiam ser integrados a bases de conhecimento do prontuário do paciente.

A análise das informações textuais da anamnese possibilita a criação de um algoritmo para detecção dos termos de junção (Ex.: de), permitindo que um determinado algoritmo relacionasse a palavra a um sintoma (Ex.: Dor) , e o seu respectivo contexto posterior (Ex.: Cabeça). O resultado seria a identificação do sintoma "Dor de Cabeça". Outras possibilidades são: a ocorrência de um número relacionado, um elemento de ligação entre os sintomas (Ex.: e), ou um complemento ao sintoma detectado (Ex.: Alta). Desta forma, o texto "Dor de cabeça e Febre Alta" poderia ser relacionado a dois conceitos: "Dor de Cabeça" e "Febre Alta". Dividindo os sintomas do texto seria possível identificar os prováveis contextos diagnósticos relacionados. O algoritmo trataria todas as palavras como conceitos relacionados e ordenados dentro de um mapa. A PLN (Processamento de Linguagem Natural) dos dados seria feita com o objetivo de adquirir listas de termos que não seriam considerados importantes, classificando o texto como em uma rede de palavras representadas através de um mapa conceitual. Nesta área o foco de pesquisa é suportado pelo princípio do menor esforço definido por George Kingsley Zipf. A lei de zipf direciona o foco em P&D de linguagem do projeto. A estruturação dos dados permite o reconhecimento de padrões, assim como a implementação de um sistema de auxílio, tendo como base os diagnósticos e sintomas apontados por médicos especialistas, descritos em campos de texto de um sistema convencional.

O registro de todas as informações das interações médicas na plataforma health.eco.br pode contribuir como uma iniciativa tecnológica e trazer significativos benefícios para a população em geral. Caso o paciente permitisse que a ferramenta analisasse os seus dados, o sistema poderia informar possibilidades de riscos associados à ocorrência de uma determinada doença. E ainda, o sistema sugeriria a pessoa um comportamento mais saudável sobre um determinado aspecto. Com as autorizações de acessos aos dados concedidas, o sistema poderia reconhecer mais padrões, a partir da análise epidemiológica da população. Se o software identificasse o efetivo padrão da doença, a aplicação indicaria um médico especialista para analisar os dados da pessoa. Existindo o processo operacional de aceitação das duas partes, a pessoa agora seria paciente do respectivo médico que teria acesso a todos os dados históricos necessários para a referida análise diagnóstica. Surgindo a necessidade de mais dados e/ou exames, o sistema poderia fornecer, em um processo interativo entre o médico e o paciente, os formulários dinâmicos especificamente personalizados de visualização e registro de informações relacionadas, tanto de forma síncrona, como assíncrona.

As informações identificadas no processo diagnóstico estariam associadas a Graph DBs utilizados para representação do conhecimento através de sintomas relacionados, e integrados com aqueles sintomas diagnósticos pré definidos na estrutura cognitiva do médico especialista, contendo as informações relacionadas às respectivas possibilidades. Esse mapeamento tem o objetivo de criar protocolos (guidelines) para facilitar a análise dos dados e permitir a formalização das informações relacionadas a cada diagnóstico.