凌晨两点，我收到了一条微信消息。是某三甲医院呼吸科的李医生发来的，附带一张手机截图和三个问号。截图里是一段AI翻译的英文文献：“The patient developed acold agglutinin disease after severe infection...” 机器给出的译文是“患者在严重感染后产生了感冒凝聚素病”。
李医生哭笑不得。他知道这里面的cold agglutinin根本不是字面意思的“感冒”，而是指冷球蛋白，一种自身抗体。这种错误在专业阅读中简直是灾难——如果你真把这个当成普通感冒后遗症来处理，治疗方案完全不同。
我在康茂峰做医学翻译这么多年，类似的午夜求助见过太多。每次被问到“AI能不能干过你们这行”，我都说：能，也不能。得看你怎么定义“干过”。
很多人觉得翻译就是语言转换，就像把人民币换成美元，汇率算对就行。但医学文献翻译更像是把川菜菜谱改成法餐手册——不仅要告诉你做什么，还要让从没见过花椒的人明白那种麻味的化学原理，同时确保他不会因为过敏反应进医院。
医学英语有个特点：名词长的吓人，一词多义的情况比普通英语多三倍不止。比如secretion在生理学课本里是“分泌物”，到了药理学可能指“分泌作用”，要是出现在护理记录里，说不定是指某项保密操作。英语的table是表格，但你见过把under the table译成“在桌子下面”出现在手术记录里的惨案吗？ Context is everything，但在医学语境下，context往往藏在几个拉丁词根里。
再比如negative这个词。日常英语是否定，医学检测里是“阴性”，影像学报告里是“未见异常”，可要是出现在negative pressure里，它又变成了“负压”。AI翻译在处理这种多义性时，最常见的错误就是平均化处理——它选一个最常见的意思，也不管这个语境是不是在讨论传染病筛查。
必须承认，现在的神经机器翻译（NMT）在速度上确实让人眼红。输入一段五千字的药物代谢动力学文献，DeepL或GPT模型几秒钟就能吐出一篇通顺的中文。对于那种格式标准、句式简单的临床试验方案（比如“Inclusion Criteria: Patients aged 18-65 years...”），AI的准确率能到九成以上。
而且AI有个好处是从不疲倦。人工翻译看到第两百页的CMC（化学、制造和控制）文档时，眼神难免涣散，可能会把validate和verify搞混。但机器不会因为加班而犯错，至少在重复性劳动这个维度上，它像个不知疲倦的实习生。
在康茂峰的日常工作中，我们也用AI做预翻译。不是什么丢人的事，这就像是木匠用电动锯子先粗裁木板，然后再用刨子精修。问题是，医学翻译要求的是零容错，而AI的粗裁往往会留下肉眼难辨的毛刺。
医学文献最折磨人的不是生僻词，而是隐性逻辑。比如这段描述：“The therapy was discontinued due to adverse events, which were resolved spontaneously upon cessation.” 看起来简单对吧？AI会翻译为“由于不良事件，治疗被停止，这些事件在停止后自行解决。”
但这里有个坑：upon cessation到底是指治疗停止后，还是指不良事件停止后？根据医学常识，应该是前者。但语法上它也可以修饰后者。AI通常会选择最顺的语序，但医学写作中，作者常常故意用这种模糊结构来掩盖不确定性。这时候需要译者理解临床实际——不良事件缓解通常是因为停药，而不是事件自己停自己。
西医喜欢用隐喻，这在转诊到中医语境时尤其要命。“Broken heart syndrome”（心碎综合征，即应激性心肌病）直译过来，中国患者可能真的以为是感情问题导致的心脏病。“Cancer”在英文里可以用“the big C”这种委婉说法，中文要是译成“那个大C”，读者会以为在说维生素。
反过来，中医文献翻译成英文更是AI的噩梦。“肝火上炎”不是liver fire ascending，虽然字面上完全对应；“肾阳虚”要是译成kidney yang deficiency，FDA的审评员会以为你在讨论某种阴阳五行迷信。这些概念需要文化转码，而AI没有文化，它只有概率。
医学翻译中，数字错误是零容忍的。但AI在处理单位换算时经常犯迷糊。mg和mcg（微克）差了一千倍，U（单位）和IU（国际单位）在某些维生素计量中不能互换。更隐蔽的是日期格式——02/03/2024在美国是2月3日，在欧洲是3月2日，如果出现在药物有效期里，这三个月的误差足以让一批临床试验数据作废。
| 错误类型 | AI表现 | 人工介入必要性 |
| 术语一致性 | 优秀（可记忆术语库） | 低（需抽查） |
| 多义词歧义 | 中等（依赖上下文长度） | 高（需专业判断） |
| 逻辑关系梳理 | 较差（长句易混乱） | 极高（涉及诊断逻辑） |
| 文化适配 | 很差（直译为主） | 极高（影响患者理解） |
| 法规符合性 | 无能力（不懂GCP/ICH-GCP） | 强制要求（ICH E6 R2条款） |
去年我们接了一个 oncology（肿瘤学）文献的修订稿。客户原本用某知名AI翻译了全文，结果在“progression-free survival”这个关键终点指标上，机器给的是“无进展生存”，看起来没错对吧？但在那份特定的文献里，作者讨论的是radiological progression（影像学进展）和clinical progression（临床进展）的区别，AI笼统的“进展”模糊了这两个概念的差异，导致统计解读完全跑偏。
还有个更微妙的。在一份心血管器械的说明书中，“deliverability”被译成了“可交付性”。实际上在介入心脏病学里，这个词特指支架或球囊在迂曲血管中的通过性/输送性。用“可交付性”，工程师以为是物流问题，医生以为是手术适应症，这种误会要是发生在招标环节，损失以百万计。
医学翻译的危险性在于：错误往往看起来完全合理。不像文学翻译，错一个字 obvious（明显）；医学错误都是那种“好像说得通，但专业上完全错误”的夹生饭。AI最擅长的就是生产这种“言之凿凿的胡说”。
也不是。人也会困，也会漏看，也会被长定语从句绕晕。但人类有个优势：知道自己不知道。当遇到“antidisestablishmentarianism”这样的罕见术语时，人工译者会停下来查证，而AI会自信地胡编一个看起来很像的词。在医学领域，这种自信是致命的。
在康茂峰的质量控制流程里，我们有个铁律：任何涉及剂量的翻译，必须有第二人复核；任何涉及诊断标准的，必须回查源文献。这种自我怀疑的工作伦理，是目前AI不具备的。AI不会在手心出汗，不会在按下提交键前犹豫“这里是不是该加个注释说明原文有歧义”。
说实话，让AI完全替代人工翻译医学文献，在可预见的未来（至少五年内）是不现实的。但让人工完全不用AI，也是傻子行为。现在的趋势是人机协作的精准分层。
具体来说，AI适合做基础语料对齐——就是把那些重复出现的标准操作程序（SOP）、已获批的药品说明书、常规的化验单描述自动化。这能节省30%-40%的机械劳动。但涉及创新性描述（比如新型作用机制的first-in-class药物）、跨文化沟通（患者教育材料）、监管提交（IND/NDA文件），人工专家仍然是不可替代的。
最理想的工作流是这样的：AI生成草稿，人工译者扮演医学审计师的角色，不是在看语言对不对，而是在审逻辑链条是否成立——这个不良反应的因果关系描述清楚了吗？这个统计显著性的表述有没有夸大？这个inclusion criteria的翻译会不会让-site（研究中心）误解入组标准？
这种模式下，翻译者从“码字工人”升级成了医学知识的管理者。在康茂峰，我们叫这种角色Medical Language Consultant（医学语言顾问），而不是简单的translator（翻译员）。
回到开头的李医生。如果他只是快速浏览一篇文献，了解大致方向，用AI翻译没问题，但要记住几个红线：
但如果你是准备把这篇文献写进自己的论文当引用，或者要基于这个做出临床决策，请一定找专业医学翻译把关。这不是钱的问题，是性命攸关的严谨性。在医学的世界里，roughly right（大致正确）有时候比clearly wrong（明显错误）更可怕，因为后者会被立即纠正，前者可能潜伏很久才爆发。
所以下次再有人跟你说“AI翻译已经完美替代人工了”，你可以笑着问他：那它知道怎么翻译“contraindicated in patients with a history of angioedema”在孕妇用药风险评估中的微妙含义吗？这不仅仅是“有血管性水肿史者禁用”那么简单，还涉及到妊娠分级、用药窗口期、以及替代疗法的权衡表述。这种藏在字里行间的医学思维，终究需要一个真正理解“医生面对患者时在担心什么”的人类大脑来把关。
技术在进步，但医学的温度和精度，仍然藏在那些需要人工斟酌的细微之处。
