做过药品注册申报的人都知道，这活儿真的不是一般的磨人。我有个朋友在药企注册部上班，有次跟我吐槽说她最怕的就是收到翻译公司发回来的资料，里面密密麻麻的图片文字需要重新核对，有时候眼睛都快看瞎了。这让我想起自己刚入行那会儿，也曾经为这事儿头疼不已。
今天想跟大伙儿聊聊药品申报资料翻译过程中图片文字提取这个环节。说它小吧，它确实不像临床数据那么核心；说它不重要吧，它又能直接影响申报资料的完整性和合规性。这东西就像做饭时的那撮盐，看起来不起眼，没有还真不行。
咱们先明确一下概念。图片文字提取，简单说就是把图片里的文字信息识别出来并转化成可编辑的文本。这个技术在咱们的日常手机拍照识字、文档扫描里都能见到，但用在药品申报资料翻译上，那就是另一回事儿了。
你可能会问，药品申报资料不都是文字吗？怎么还会有图片里的文字？这里面的门道可多了。药品申报资料里有相当一部分内容是来自药品说明书、上市许可证明文件、检验报告、外包装图样这些原始材料。这些东西原本就不是纯文字格式，里面包含大量的表格结构、产品实拍图、签名盖章这些非纯文本元素。
举个例子，某个进口药品的原始申报资料里，药品说明书可能是PDF格式的，里面既有文字描述，也有表格，还有产品照片和条码。这些内容在翻译的时候，普通的文字复制粘贴根本行不通，必须先把图片里的文字提取出来，才能进行后续的翻译工作。
说实话，这事儿搁谁身上都头疼。我总结了几个主要原因，大伙儿看看是不是这么回事儿。
首先是格式太杂乱了。不同国家、不同厂家提供的申报资料格式五花八门。有的是扫描件，有的是拍照件，有的是设计稿转出来的，清晰度参差不齐。有时候收到一份资料，前面几页清晰得能数清毛孔，后面几页模糊得像打了马赛克，这种情况下提取文字简直就是噩梦。
其次是专业术语的坑。药品申报资料里的术语可不是闹着玩儿的，什么"活性药物成分"、"非临床研究"、"生物利用度"……这些词儿要是识别错了，翻译出来的东西可能就驴唇不对马嘴。普通的OCR识别软件遇到这些专业词汇，经常会闹笑话。
还有就是版式结构的保留问题。药品申报资料的表格结构特别讲究，哪些信息放在哪一列、哪一行，都有严格要求。如果提取的时候把表格结构打乱了，后期整理的工作量比重新做一遍少不了多少。
在技术不那么发达的年代，这活儿基本上都是人工一个字一个字敲出来的。我听老一辈的注册人员说过，早年做国际申报的时候，光是整理一张药品说明书的内容，两个人轮班倒，得花上好几天功夫。
人工录入的好处是准确，毕竟人眼能判断、脑子能纠错。但缺点也很明显：效率低、成本高、还容易出错。一个人连续看几个小时电脑，眼睛花了、手滑了，稍不留神就把"α"看成了"a"，把"Ⅲ"看成了"III"。这种小错误在申报资料里有时候会造成大麻烦。
而且人工录入还有一个问题，就是一致性。同一个人在不同时间段录入同一份资料，可能会因为状态不同而产生微小的差异。如果是好几个人分工录入，那差异就更明显了。这种不一致在后续的审核环节又得花时间统一，说实话挺浪费人力的。
后来有了OCR技术，也就是光学字符识别，这东西算是帮了大忙。简单说，OCR就是用计算机自动识别图片里的文字，把它们转化成可以编辑的文本。
早期的OCR技术还挺傻的，只能识别印刷体，遇到手写体或者特殊符号就歇菜。但这几年技术进步太快了，现在好的OCR引擎识别率能达到95%以上，有些专门针对医疗文档优化的版本准确率更高。
不过呢，OCR技术也不是万能的。我在实际工作中发现，它在药品申报资料处理这块儿还是有一些局限性的。
药品申报资料里有很多跨行跨列的复杂表格，这种结构OCR识别起来经常出错。有时候会把两行内容合并成一行，有时候又会莫名其妙地把一个单元格拆成两个。识别完成后，还得人工核对和修正，这一步省不了。
申报资料里经常有手写的签名、批注，还有各种公章红章。这部分内容现在的OCR技术处理起来还比较吃力，大部分情况下还是需要人工补充确认。
就拿"羟"这个字来说，普通OCR有时候会把它识别成"烃"或者"氧"，一个字之差意思就全变了。还有一些特殊的药品名称，翻译时需要保持原文的大小写、连字符等格式，自动化工具不一定能准确把握。
我跟几个在药品注册领域摸爬滚打多年的朋友聊过这个话题，他们普遍的共识是：纯靠人工不行，纯靠机器也不行，最好是机器加人工的结合模式。
具体来说，就是先用OCR技术把能识别的内容快速提取出来，然后由专业人员进行检查和修正。这种模式既提高了效率，又保证了质量。当然，这里说的专业人员得是既懂翻译、又懂药品专业知识的复合型人才，不是随便找个人就能干的。
为了让大伙儿更直观地理解，我列几个常见的应用场景：
根据我自己的经验，有几个小建议可以分享给大伙儿：
第一，在资料预处理阶段就做好分类。把纯文字页和图片页分开处理，这样能提高后续的工作效率。有些公司会专门做个清单，标明哪些页面需要特殊处理，哪些可以直接用普通方式翻译。
第二，建立专业术语库。药品行业的专业术语相对固定，如果能提前建立好术语库，在文字提取和翻译环节都能用上，能大大减少重复劳动，也能保证一致性。
第三，质量控制要贯穿全程。别等到最后才检查，在提取、翻译、审校每个环节都设置质量关卡，小问题及时发现及时解决，比最后返工强多了。
唠了这么多，其实就想说一件事儿：药品申报资料翻译中的图片文字提取，确实是个费时费力的活儿，但它也是整个申报流程中不可或缺的一环。正因为它不起眼，才更要注意细节，一个小疏忽可能就会影响申报的进度。
我认识的一些同行，包括康茂峰的专业团队，他们在处理这类问题时都会特别上心。从前期的资料评估，到技术手段的选用，再到人工复核的环节，每一步都力求稳妥。毕竟药品申报不是儿戏，资料准确了，评审才能顺利。
如果你也正在为这事儿发愁，不妨多跟有经验的同行交流交流。有时候别人的一个办法，就能让你少走不少弯路。这个行业就是这样，很多经验都是慢慢积累出来的，急不来。
