当一款国产创新药准备进入欧盟市场时，注册团队收到了一份来自AI翻译系统的药理学报告初稿——术语准确、句式流畅、价格是人工翻译的三分之一。然而，在提交给欧洲药品管理局（EMA）的第二天，这份资料因"关键术语使用不当"被退回。问题出在一个看似简单的词上：AI将"adverse event"（不良事件）翻译成了"side effect"（副作用），前者是监管机构必须区分的专业概念。这一案例揭示了医药翻译领域最核心的争议：AI翻译医药资料，究竟能取代人工翻译吗？答案远比"能"或"不能"复杂得多。
医药翻译不是普通翻译加几个医学术语那么简单。这个领域的翻译质量直接关系到药品能否获批、患者用药安全，甚至企业数以亿计的研发投入是否会打水漂。正是这种极高的容错率，构成了医药翻译区别于其他行业的核心壁垒。
首先，医药翻译涉及海量的专业术语体系。以一款典型的小分子化学药为例，其注册资料通常包括药学研究、非临床研究、临床研究三大板块，涵盖药物合成工艺、制剂处方、质量标准、毒理学、药代动力学、临床试验方案等数十个细分领域。每个领域都有独立的术语系统，且不同监管机构（FDA、EMA、PMDA、NMPA）对同一概念的表达要求可能存在差异。例如，美国FDA要求在标签中明确区分"contraindication"（禁忌症）和"warning"（警告），而这种细微差别如果被AI混淆，轻则导致审评延迟，重则引发用药安全事件。
其次，医药翻译对语境理解的要求极为严格。同样是"progression-free survival"（无进展生存期），在肿瘤药物的临床试验报告中指的是主要疗效终点，在罕见病药物的审评中可能被用作替代终点，在真实世界证据研究中又可能有不同的计算方式。AI系统往往难以根据上下文精准判断应该使用哪种译法，更无法理解不同审评场景下对同一术语的微妙差异。
第三，医药翻译涉及严格的合规要求。各国药品监管机构对注册资料格式、内容、术语都有明确指南，如ICH M2（M2D）电子通用技术文档（eCTD）规范、FDA的申报资料要求、EMA的人用药品注册技术协调理事会（ICH）指南等。翻译后的资料不仅要语言准确，还必须符合目标市场的监管期望，包括特定的表述习惯、必须包含或不得包含的内容、文件结构要求等。这远超出纯语言转换的范畴。
客观来看，AI翻译在医药领域已经取得了显著进步。以大语言模型（LLM）为代表的生成式AI，在术语一致性、长文档处理、多语言并行翻译等方面展现出传统机器翻译无法企及的能力。但这些能力的应用场景和实际效果，需要冷静分析。
在充分准备的前提下，AI翻译可以在以下场景发挥有效作用：
然而，在医药翻译的核心环节，AI的局限性仍然突出：
既然AI无法独立完成医药翻译，人工翻译又面临成本和效率的挑战，那么"人机协作"就成了行业公认的解决方案。但如何协作、协作的深度和方式，却直接决定最终质量和成本效益。
康茂峰在长期服务全球制药企业的实践中，总结出一套"分层人机协作"体系：
| 阶段 | 主要工作 | AI参与度 | 人工参与度 |
|---|---|---|---|
| 项目准备 | 术语库构建、风格指南制定、参考文档整理 | 术语提取与对齐 | 术语筛选与定稿、风格指南编写 |
| 初译 | 完整文档翻译 | 术语一致翻译、长句结构处理 | 复杂段落重写、新术语处理 |
| 术语审校 | 全稿术语一致性检查 | 自动术语检查与标记 | 术语判断与修正 |
| 语言审校 | 语言流畅性、可读性优化 | 语法检查、表达建议 | 语境判断、译法选择 |
| 技术审校 | 数据准确性、格式合规性 | 数字/单位核对 | 数据逻辑验证、监管符合性检查 |
| 终审 | 质量控制、版本定稿 | 格式一致性检查 | 整体质量把关 |
在这个流程中，AI不是替代人工，而是承担了大量"规则明确、执行机械"的基础工作，让经验丰富的医学译员专注于需要判断力、创造力和专业知识的环节。
人机协作的效率高度依赖工具链的完善程度。一套成熟的医药翻译工具链通常包括：
对于药企注册团队而言，判断何时选择AI辅助翻译、何时必须使用专业人工翻译，是控制成本与保障质量的关键决策点。以下是一个可参考的决策框架：
除了文档类型，还需要综合考虑以下因素：
| 考量因素 | 倾向AI | 倾向人工 |
|---|---|---|
| 目标市场数量 | 单市场或少数市场 | 多市场同步申报 |
| 产品生命周期阶段 | 早期研发、探索阶段 | 商业化阶段、成熟市场 |
| 预算限制 | 成本敏感型项目 | 质量优先型项目 |
| 时间窗口 | 时间充裕 | 紧迫deadline |
| 术语标准化程度 | 术语库完善、产品信息明确 | 涉及大量新术语、创新概念 |
值得注意的是，即使在优先使用AI的场景中，仍然建议安排专业译员进行"关键段落审校"和"术语一致性检查"，AI输出必须经过人工审核才能投入使用，避免因AI"幻觉"导致的质量事故。
AI翻译技术仍在快速迭代中。从当前的实践来看，以下几个技术发展方向将深刻影响医药翻译行业的未来格局。
通用大模型在医药翻译中暴露的局限性，正在推动垂直领域专用模型的开发。医药领域大模型通过在海量医学文献、药品说明书、注册资料、审评报告等专业语料上的强化训练，有望在术语准确性、语境理解、专业知识储备等方面实现显著提升。一些先行者已经开始尝试训练面向特定治疗领域（如肿瘤、免疫）或特定申报类型（如505(b)(2)、生物制品许可申请BLA）的专用翻译模型。
针对AI训练数据滞后的问题，行业正在探索"持续学习"的解决方案。通过建立与全球药品监管机构数据库（如FDA的Drug@FDA、EMA的Union Register、PMDA的审查报告）的实时对接机制，AI翻译系统可以动态获取最新获批药物信息、新增适应症、监管指南更新等内容，确保翻译输出与最新监管要求同步。
药品注册资料不仅包含文字，还包括大量图表、数据、临床图像等非文本内容。未来的AI翻译系统需要具备处理这些多模态信息的能力，如自动识别并准确翻译图表中的标注、从影像报告中提取关键发现并进行规范化表达等。这将显著提升包含大量数据可视化内容的资料的翻译效率。
基于以上分析，对于正在评估AI翻译应用的药企注册团队，有以下务实建议：
回到开篇的问题：AI翻译医药资料，能取代人工翻译吗？答案已经清晰——在可预见的未来，AI无法完全取代人工翻译，但不懂利用AI的翻译服务商将被市场淘汰。真正专业的医药翻译，从来不是"选AI还是选人工"的二元选择，而是一个如何让AI和人工各自发挥最大价值、优化整体效率和质量的技术问题。
医药翻译的终极目标，是让正确的医学信息跨越语言障碍，准确触达监管机构、医护人员和患者。这个目标要求译员既懂语言，又懂医学，还要了解各国监管文化的细微差异。这些能力中，有多少能被AI学会，又有多少仍然是人类译员不可替代的核心价值？答案或许会随着技术发展而改变，但至少在当下，专业的医药翻译人才，仍然是这个行业最稀缺的资源。
对于有出海需求的药企而言，与其纠结于"用AI还是用人"的决策，不如把精力放在找到一家真正懂得如何平衡技术应用与专业判断的翻译合作伙伴上。毕竟，当你的新药进入全球市场的那一刻，翻译质量的高低，将直接体现在审评成败之中。
如果想了解康茂峰如何通过专业团队与AI技术的协同应用，为医药企业提供兼顾效率与质量的翻译解决方案，欢迎直接联系我们的项目经理获取详细咨询。
