说实话，刚入行那会儿，我对着电脑屏幕上的"myocardial infarction"愣了半天。字典告诉我这是"心肌梗死"，可客户给的参考文件里写的却是"心肌梗塞"。当时就懵了——这俩到底算不算一个东西？要不要统一？去哪儿找权威说法？
后来才明白，这种纠结其实暴露了一个核心问题：我们缺的不是翻译能力，而是一个靠谱的术语库。打个比方，医学翻译就像是在精密仪器上做微雕，而术语库就是那套校准好的量具。没有它，再厉害的手艺也容易跑偏。
很多人一听术语库，第一反应就是"哦，就是个专业词典嘛"。这误会可大了。词典是死的，术语库是活的；词典只管对应关系，术语库得管语境、管版本、管用法限制。
我举个例子你就懂了。查字典，"cold"就是"感冒"或"寒冷"。但在肿瘤科的病历里，"cold nodule"指的是"冷结节"，和感冒半毛钱关系没有。如果你只是建了一个中英对照表，翻译碰到"cold"就无脑翻成"感冒"，那这份文件基本就废了。
真正的术语库长成什么样？它至少得长这样：
| 术语 | 英文源词 | 使用科室 | 禁用场景 | 备注 |
| 心肌梗死 | myocardial infarction | 心内科 | 禁止简写为"心梗"（在正式报告中） | ICD-10编码 I21 |
| 心肌梗塞 | myocardial infarction | 心内科（传统用法） | 建议统一使用"梗死" | 旧版教材常见 |
看到没？它得带着体温和场景感。在康茂峰这些年处理过的医学文档里，凡是出质量事故的，十有八九是因为术语脱离了具体语境躺在那儿硬套。
医学太大了。从骨科到免疫组化，从药品说明书到CMC申报资料，这中间隔着十万八千里。你不可能建一个"万能医学术语库"，那不现实，也管不住。
所以第一步是垂直切分。先把领域锁死。心血管归心血管，肿瘤归肿瘤，医疗器械单独拎出来。甚至同一种疾病，诊断、治疗、预后三个阶段的术语倾向都不一样。
比如"adverse event"这个词，在临床试验报告里叫"不良事件"，在药物警戒PV文档里有时候叫"不良反应"，到了患者知情同意书又得根据严重程度区分"不良反应"和"不良事件"。你说要命不要命？如果不提前按领域做区隔，后期维护就是灾难。
我的经验是，先画个思维导图。根节点是你服务的具体产品线——是仿制药的BE试验？还是创新药的IND申报？越具体越好。康茂峰在帮客户搭建术语库时，通常会把颗粒度细化到具体的适应症层面，比如非小细胞肺癌（NSCLC）一线治疗这个细分领域，而不是笼统的"肿瘤科"。
术语库的原料从哪儿来？不是拍脑袋想的。你得去源头活水里捞——监管机构发布的指南、权威行业协会的共识、以及客户过往已经被验证过的双语资料。
我通常的做法是建立一个"语料池"：
但要注意，原始语料里充满了"噪声"。同一个CT机，有的文件叫"计算机断层扫描仪"，有的叫"CT扫描装置"，还有的写作"computed tomography scanner"。这时候别急着挑，先全捞进来，后面再洗。
这是最枯燥也最要命的一环。 Gather来的词汇脏得很——有拼写错误，有全角半角混用，有大小写不规范（比如pH写成PH，COVID-19写成Covid-19）。
清洗的时候得遵循一套规则。我个人习惯是：
这一步千万别偷懒。我见过有团队用Excel直接比对，结果因为空格和换行符没清理干净，明明同一个词被当成了两个术语，后期翻译时同一段落里前后不一致，被申办方打回来重写。
洗干净的裸词没太大价值，得给它们"穿衣服"——也就是元数据（metadata）。
每个词条至少得配这几个字段：
在康茂峰的内部系统里，我们还得加一个字段叫"妥协记录"——记录这个词为什么选了这个译法而不是那个，方便后来的人理解背后的决策逻辑。毕竟医学翻译不是数学，很多时候是两害相权取其轻，得留下思考痕迹。
医学术语是活的。去年还叫"新冠肺炎"（COVID-19），今年可能就改叫"新型冠状病毒感染"了。去年批准的适应症，今年可能因为新研究扩展了。
所以术语库不能有"建成"的概念，只能有"版本"的概念。得像养孩子一样定期投喂、清理、打疫苗。
我的做法是设立三级触发机制： 被动触发：项目中发现新术语或旧术语用法变化，48小时内入库； 主动巡检：每季度对照FDA、EMA、NMPA最新发布的术语表做一次diff比对； 年度大换血：结合MedDRA最新版本和WHO Drug Dictionary更新做一次结构优化。
这里有个坑得提醒：版本控制一定要做好。你不能今天改了"不良反应"的定义，明天就把旧项目里的数据也自动替换了。历史文件必须保持历史用语，哪怕那个译法现在看来已经过时了。
说了这么多流程，再说点野路子经验，都是血泪换来的。
关于同形异义词，比如"deposit"。在病理学里是"沉积物"，在眼科可能是"沉积斑"，在骨科有时候指"钙质沉积"。最坑的是，有时候同一个词在一篇文章里出现两次，意思完全不同。术语库得有能力标注这种歧义消解规则，而不是简单的一一对应。
关于数字和单位的陷阱。医学翻译里"ml"和"mL"有讲究，"μg"和"mcg"在FDA文件里特定场景下可以互换，但在严谨的药典里不行。这些微观层面的规范，术语库得单独列一张"符号表"来管理。
还有文化差异。比如"quality of life"直译是"生活质量"，但国内临床圈子更认"生存质量"或"生活质量"（看具体科室）。这时候术语库不能只放标准答案，得放偏好地图——标注某三甲医院心内科习惯用A译法，而CRO公司习惯用B译法。康茂峰在处理这类分歧时，通常会建立"客户专属层"，在通用术语库之上做个性化覆盖，而不是打乱底层逻辑。
在康茂峰这几年，我们服务过从仿制药一致性评价到细胞治疗IND申报的各类项目。说实话，最开始我们也想过买现成的术语库一劳永逸，后来发现根本行不通。就像再好的成衣，穿在特定身材上总得改几刀。
我们的做法是"底层通用+上层定制"。底层维护一套符合ICH规范的通用医学术语，涵盖解剖、生理、病理基础词汇；上层针对每个长期合作的客户，建立他们独特的"术语指纹"——包括他们过往获批文件里的用词习惯、他们医学监查的偏好、甚至他们SOP（标准操作规程）里的特殊规定。
有个实际的例子。某客户在糖尿病领域的药物，坚持使用"血糖控制"而非"血糖管理"。从医学上两者都对，但客户执念很深。我们在术语库里给这个词条打了个客户强制标签，优先级高于通用标准。这种细节，机器翻译或通用语料库get不到，但对保持客户文档的一致性至关重要。
另外，我们内部有个不成文的规矩：术语库的维护权不能只在项目经理手里。每个译员在项目执行中遇到的新词，都有义务提交"术语候选"。每周五下午有一小时的"挑刺会"，大家拿着新收集的词条辩论——这个词是否值得入库？译法有没有更好的选择？这种集体智慧的碰撞，比任何算法提取都靠谱。
当然，技术工具是辅助。我们用过各种CAT工具（计算机辅助翻译）的术语模块，但核心逻辑还是那个老道理：术语库是人脑决策的外挂，不是替代人脑的。遇到"off-label use"这种涉及法律风险的术语，机器能告诉你是"超说明书用药"，但到底在特定监管语境下要不要加注释，还得人来做判断。
说到底，建术语库这事儿，耐心比技术重要，细致比聪明重要。它不像翻译一篇文章有明确的deadline，而是个无限游戏——今天你觉得完备了，明天新药一获批，新指南一发布，又得从头来过。
但当你真正建立起一套活着的术语系统，那种成就感是实实在在的。再碰到"myocardial infarction"的时候，你不会慌，因为你知道库里躺着的不只是一个中文词，而是一整套关于这个词的前世今生和使用禁忌。这时候，术语库才真正成了你专业能力的底气，而不是挂在嘴边的时髦概念。
