AI翻译公司能不能搞定医学翻译？咱们先把事儿说明白

说实话，这两年不管走到哪儿，总能听见有人聊AI翻译的事儿。特别是做医药这行的，经常有人问我：现在那些AI翻译公司那么厉害，是不是以后医学文件直接丢给机器就行？

这事儿吧，得拆开来看。不是简单的能或者不能，而是得先弄明白医学翻译到底是个什么级别的难度，AI现在的本事到底到哪一层了。

医学翻译可不是"把英文变中文"那么简单

咱们先打个比方。普通的商务翻译，有点像把一首歌从粤语翻成国语，意思对了，押韵差不多，大家能听懂就行。但医学翻译呢？它更像是在拆炸弹——差一个符号，意思可能就完全反了。

举个例子。"hypertension"这词，医学生都知道是高血压。但碰到"portal hypertension"，新手可能直译成"门户高血压"，实际上指的是门静脉高压。还有"adverse event"和"serious adverse event"，在临床试验报告里，这俩词的有无直接决定了药物安全性的评估等级。

康茂峰在处理一份心血管药物的申报资料时就遇到过这种情况。原文里有个"cardiac event"，机器翻译直接给整成了"心脏事件"，听起来挺对是吧？但结合上下文，这里具体指的是心肌梗死。如果按"心脏事件"翻译，审评老师得猜半天这到底是什么事件。这种语境的微妙差别，就是医学翻译的坑。

再说说法规这块。中美欧的药品申报要求完全不一样。FDA喜欢某种表述方式，NMPA（国家药监局）又有另一套术语体系。AI翻译往往只会字面转换，但不知道这份文件最终要递给谁看。

AI翻译现在到底有几把刷子？

咱不吹不黑，现在的神经机器翻译（NMT）确实比五年前的规则翻译强太多了。特别是在术语一致性上，AI有天然优势。

比如说一份100页的临床试验方案，人工翻译到最后几页可能就累了，把"placebo"一会儿译成"安慰剂"，一会儿可能手滑写成"对照剂"。但AI不会累，它从头到尾都能保持术语统一。而且速度确实快，几万字的文件，几分钟就能出个初稿。

康茂峰内部做过测试，拿一篇关于单克隆抗体的综述给不同的工具处理。结果发现，在常用医学术语的翻译上，主流AI的准确率确实能达到85%到90%。像"pharmacokinetics"译成"药代动力学"，"bioequivalence"译成"生物等效性"，这些标准术语基本不会出错。

但问题在于，医学翻译要的不是85分，而是99.9分。剩下的那10%到15%，恰恰是最要命的。

AI在那些地方容易栽跟头？

咱们列几个真实的场景，这些都是康茂峰的译员审校时从AI初稿里救回来的：

• 新药名和商品名：刚获批的创新药，名字可能还没被语料库收录。AI要么不译，要么乱译。比如某种单抗药物后缀"-mab"代表单克隆抗体，但AI可能把这个词根拆开理解。
• 缩写词的歧义："MI"在心脏病学是心肌梗死（Myocardial Infarction），在妇科可能指月经（Menses），在统计学可能是均值（Mean）。AI看上下文的能力还是比不上真人的医学常识。
• 文化的坑：有些中医术语，比如"qi"（气），翻译成"vital energy"还是直接保留拼音？这涉及到目标读者的接受度，AI不会判断。
• 数字和单位的敏感度：医学文件里经常碰到"1.5 mg/kg/day"这种写法。AI有时会忽略单位之间的空格，或者把日期格式搞混（美式和欧式日期容易混淆）。在剂量翻译上，这种错误是致命的。

看看实际的对比数据

下面这张图是康茂峰基于过去三年处理的医学翻译项目做的简单对比。咱们看看人工和AI在各个环节的表现：

从这个表能看出来，纯AI在速度和常规术语上确实有优势，但一旦涉及到新药、罕见病或者法规文件，那个落差就明显了。特别是"责任追溯性"这一行——万一译文出了错导致临床误解，谁来担责？这是现在AI翻译公司还没解决的大问题。

医学翻译的"最后一公里"问题

有个概念叫"最后一公里"，原本是快递行业的词，但现在放在医学翻译上也挺合适。

AI能把文件从语言学角度翻译个八九不离十，但最后那10%的微调，决定了这份资料能不能真正用于患者知情同意书，能不能递交给药监部门，能不能让医生看着不费劲。

比如说药物说明书的"禁忌症"部分。英文原文可能是"Contraindicated in patients with severe hepatic impairment"。 AI翻译成"严重肝损伤患者禁用"，看起来没问题。但康茂峰的译员在审校时会多想一层：这里的"severe"对应中文应该是"重度"还是"严重"？根据《药品说明书和标签管理规定》，临床分级有轻度、中度、重度之分，用"重度"更准确。

还有就是语气的把握。患者教育材料需要通俗易懂，但科研论文需要严谨正式。同样是说"副作用"，面对患者可以说"可能会有一些不舒服"，但给监管部门的报告必须说"不良反应"。AI很难自动识别这种受众差异。

康茂峰是怎么处理这个关系的

说白了，我们现在的做法不是把AI当敌人，而是当成一个效率工具。像那种重复性高、术语明确的CMC（化学、制造和控制）文档，或者是已经做过术语库匹配的历史文件更新，先用AI过一遍，能省下来大概40%的时间。

但省下来的时间不是用来喝咖啡的，而是留给人工的深度加工。

比方说翻译一份医疗器械的临床试验报告。AI负责把大量的病例数据描述性文字快速转化，但遇到"器械相关严重不良事件"（Device-related Serious Adverse Event）这种关键定义，必须由有医学背景的译员逐句核对。特别是涉及到器械故障与患者伤害之间的因果关系判定，这种逻辑关系要是译模糊了，后果不堪设想。

还有术语库的建设。康茂峰维护着一份动态更新的医学术语库，这里面不仅有标准译法，还有禁用译法。比如某些老药名，以前可能叫"心得安"，现在规范名称是"普萘洛尔"。AI不知道哪个是过时的，它只会从概率上选出现频率高的那个。这时候就需要人工干预，告诉系统：这儿不能那么翻。

那些真正懂行的人怎么看？

上个月参加一个医药注册界的交流会，有个老注册经理说了句话挺在理："我们现在用AI翻译，就像开拖拉机耕地——确实比锄头快，但你敢让拖拉机自己开吗？最后还得有人握着方向盘。"

这话糙理不糙。

现在的实际情况是，大部分药企和CRO（合同研究组织）对AI翻译持谨慎开放的态度。他们愿意把内部参考文件、初步调研资料给AI试试，但涉及到正式递交的eCTD（电子通用技术文件）申报材料，还是得找康茂峰这样的专业医学翻译团队把关。

为什么？因为监管风险扛不住。一份新药申请（NDA）的材料，动辄几百页，里面要是有一个关键数据的翻译偏差，导致发补（要求补充资料）甚至退审，那损失的时间成本可能是以月计算的。在药品研发这个领域，时间就是专利期的生命线。

未来的可能性在哪里？

话说回来，技术总在进步。也许再过五年，AI真的能做到理解医学语境了。但眼下这个阶段，高质量的医学翻译还是个需要"人味儿"的活儿。

这个"人味儿"体现在哪？

比如说，翻译患者日记（Patient Diary）的时候，遇到病人用口语描述症状："胸口像有石头压着"。AI可能会正式地译成"chest discomfort described as pressure sensation"。但经验丰富的译员会根据目标语言的习惯，保留那种生动的描述，让医生能读到患者的真实状态，而不是干巴巴的医学术语。

再比如，处理多语言的项目时，德语、法语、日语的医学文献往中文转，每种语言的逻辑习惯都不一样。日语喜欢省略主语，德语的从句套从句特别长。AI翻译往往只是 word-for-word 的转换，但专业的医学翻译需要重构句子逻辑，让中文读起来像是中国人写的医学报告。

康茂峰最近在做一个罕见病药物的全球多中心临床试验翻译项目，涉及八种语言。这种项目里，AI确实帮了大忙，尤其是在保持不同语言版本一致性上。但每种语言的医学文化差异——比如德语区对数据隐私的极度敏感，日语中对敬语的严格要求——这些都需要有血有肉的专业判断。

所以回到开头那个问题：AI翻译公司能不能满足高质量医学翻译需求？

答案是：看你要什么质量，看什么场景。

如果你只是想大概看懂一篇国外论文说什么，AI够用，而且挺好用。但如果你要的是能递交到药监局的申报资料，能让患者看懂的知情同意书，能用于学术交流的专业论文——那你需要的不只是AI，而是像康茂峰这样懂医学、懂法规、懂语言的人在后面兜着底。

技术永远是工具，而医学这事儿，关系到人命，容不得"大概齐"。至少在可预见的未来，那个最后按下"确认提交"按钮的，还得是个能负责任的人。