Simplificação textual automática de documentos biomédicos: Uma abordagem multimodal integrando métricas de lexicalidade biomédica e rastreamento ocular

• Processo: 26/13532-0
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de junho de 2026
• Data de Término da vigência: 31 de maio de 2028
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: André Kazuo Takahata
• Beneficiário: Victor Eduardo Gomes
• Instituição Sede: Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas (CECS). Universidade Federal do ABC (UFABC). Santo André , SP, Brasil
• Vinculado ao auxílio: 22/03243-0 - Pesquisa interdisciplinar de técnicas de aprendizado de máquina e inteligência artificial para desenvolvimento de tecnologias de processamento de sinais, imagens e linguagem natural, AP.PNGP.PI
• Assunto(s): Processamento de linguagem natural Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Esforço cognitivo | Modelos de linguagem | Processamento de Linguagem Natural | Rastreamento ocular | Simplificação Textual Automática | Terminologia Biomédica | Sistemas Inteligentes

Resumo

A literatura biomédica em língua portuguesa caracteriza-se por elevada densidade terminológica, criando barreiras à compreensão do público leigo e comprometendo a autonomia do paciente em contextos de saúde pública. O presente projeto propõe o desenvolvimento de um protocolo de Simplificação Textual Automática (STA) para textos biomédicos, integrando dois eixos complementares: (i) métricas computacionais avançadas de lexicalidade biomédica - o indicador Lex-BioMed e o Índice de Biomedicalidade Contextual (IBC), desenvolvidos no PPGINF-UFABC - e (ii) dados biométricos de rastreamento ocular (eye-tracking) como medida direta do esforço cognitivo durante a leitura. Modelos de Linguagem de Grande Escala (LLMs) serão ajustados via técnicas de prompt engineering e fine-tuning para a tarefa de tradução intralinguística, com foco na substituição controlada de termos técnicos biomédicos. O corpus de base é o Corpus COVID-19 UFABC (Leite; Takahata; Steinberger-Elias, 2021), composto por 254 textos científicos em português indexados no PubMed. A avaliação será conduzida em dois níveis: Nível computacional, por meio do cálculo de Lex-BioMed e IBC antes e após a simplificação; e um nível cognitivo, por meio de experimentos de eye-tracking com participantes adultos leigos leitores de textos originais e simplificados, medindo parâmetros oculomotores como duração de fixações, taxa de regressões e número de sacadas. A correlação estatística entre redução de lexicalidade computacional e melhoria na fluência de leitura constituirá a validação multimodal central do projeto. O trabalho busca contribuir para a democratização do conhecimento científico em saúde no Brasil, através da intersecção entre Processamento de Linguagem Natural, Linguística de Corpus e Neurociência Cognitiva. (AU)