ChatBCI, um BCI P300 para soletração com previsão de palavras orientada por contexto usando grandes modelos de linguagem, do conceito à avaliação

Dando Voz aos Pensamentos

Para pessoas que não conseguem falar ou se mover com facilidade, comunicar até um pedido simples pode ser lento e exaustivo. Este estudo apresenta o ChatBCI, uma interface cérebro–computador que permite aos usuários soletrar palavras na tela usando apenas seus sinais cerebrais, enquanto um poderoso modelo de linguagem (semelhante ao ChatGPT) prevê o que eles querem dizer a seguir. Ao combinar sinais cerebrais com predição inteligente de palavras, o sistema busca tornar a comunicação mais rápida, menos cansativa e mais próxima de uma conversação cotidiana.

Como o Cérebro Fala com um Computador

O ChatBCI se baseia em uma abordagem bem conhecida chamada speller P300. Nesse arranjo, uma grade de letras e teclas funcionais pisca na tela do computador. Quando um usuário foca silenciosamente na letra desejada, seu cérebro produz um sinal breve e característico cerca de 300 milissegundos depois que a linha ou coluna dessa letra pisca. Eletrodos em um capacete EEG registram essas pequenas variações de voltagem, e um software detecta qual linha e coluna geraram a resposta mais forte, revelando a tecla pretendida. Tradicionalmente, os usuários precisam escolher cada letra uma a uma, o que é preciso mas dolorosamente lento e mentalmente exigente para frases longas.

Adicionando Predição Inteligente de Palavras

A inovação do ChatBCI é conectar um grande modelo de linguagem diretamente a esse processo de soletração. O teclado na tela ainda mostra letras, mas agora também exibe dez sugestões de palavras nas laterais — candidatas fornecidas em tempo real por um modelo GPT‑3.5 online. Assim que o usuário soletra parte de uma palavra ou uma pequena frase, a sentença parcial é enviada como texto ao modelo de linguagem. Um prompt cuidadosamente elaborado instrui o modelo a retornar uma lista compacta de prováveis próximas palavras ou finalizações. O sistema analisa essa resposta e transforma cada palavra sugerida em uma tecla selecionável no teclado. Selecionar uma dessas sugestões insere instantaneamente a palavra inteira (ou até uma pequena frase) e adiciona um espaço, permitindo que o usuário construa frases muito mais rapidamente do que escolhendo letras uma a uma.

Submetendo o ChatBCI ao Teste

Sete voluntários testaram o ChatBCI em várias etapas. Primeiro, os padrões cerebrais individuais foram registrados enquanto eles focavam em teclas conhecidas, permitindo que o sistema treinasse um classificador que reconhece o sinal P300. Em seguida, completaram duas tarefas realistas de entrada de texto. Em uma tarefa de cópia para soletrar, cada pessoa escolheu uma imagem, inventou uma frase significativa sobre ela (como um pedido de água ou de banheiro) e então soletrou essa frase de duas maneiras: uma vez usando o ChatBCI com sugestões de palavras e outra usando um modo tradicional letra a letra com as sugestões desativadas. Em uma segunda tarefa de improvisação, pediram que compusessem livremente sua própria frase começando com uma letra escolhida, incentivando o uso o máximo possível das palavras sugeridas em vez de soletrar tudo do zero.

Mensagens Mais Rápidas, Menos Pressionamentos

Os resultados mostraram benefícios claros ao combinar sinais cerebrais com predição de linguagem. Na tarefa de cópia para soletrar, usar o ChatBCI reduziu o tempo médio para escrever uma frase de cerca de 28 minutos para aproximadamente 10 minutos — uma redução de 62% — enquanto também mais do que dobrava a taxa de caracteres corretamente digitados por minuto. O número de pressionamentos necessários caiu pela metade, aproximadamente, e a precisão melhorou: os usuários quase sempre terminaram com frases perfeitamente soletradas ao usar o ChatBCI. Para quantificar quanto trabalho o sistema economiza, os autores usaram uma medida de “economia de pressionamentos” e uma nova “relação de déficit de economia de pressionamentos”, que comparam o desempenho com sistemas idealizados que poderiam sempre adivinhar a palavra certa após uma ou duas ações. Na tarefa de improvisação livre, o ChatBCI alcançou cerca de 81% de economia de pressionamentos em média, às vezes até superando os limites teóricos porque o modelo de linguagem ocasionalmente sugeria frases de múltiplas palavras que podiam ser inseridas com uma única seleção.

O Que Isso Significa para a Comunicação no Mundo Real

Para usuários cotidianos — especialmente aqueles com severas limitações de movimento ou fala — o resultado principal é simples: o ChatBCI permite que as pessoas digam mais com menos esforço mental e em muito menos tempo. Ao terceirizar a predição de linguagem para um grande modelo remoto, o sistema evita a necessidade de treinamento local ou grandes dicionários, mas ainda assim se adapta à sentença que o usuário deseja criar. Embora sejam necessários mais estudos em populações clínicas e para tratar questões de privacidade, custo e confiabilidade de modelos de linguagem baseados na nuvem, este estudo mostra que parear interfaces cerebrais com tecnologia de linguagem moderna pode transformar a soletração lenta, letra por letra, em uma ferramenta de conversação mais natural, em nível de frases.

Citação: Hong, J., Wang, W. & Najafizadeh, L. ChatBCI, a P300 speller BCI with context-driven word prediction leveraging large language models, from concept to evaluation. Sci Rep 16, 6379 (2026). https://doi.org/10.1038/s41598-025-25660-7

Palavras-chave: interface cérebro-computador, speller P300, comunicação assistiva, previsão de palavras, grandes modelos de linguagem