"AI翻译不是说把句子丢进去，结果就出来了吗？"上周三下午，康茂峰的项目经理在接待一位创新药企业RA负责人时，对方掏出手机展示了一段某AI工具翻译的英文说明书——结果一段话里有3个"受控词"用错，1处剂量单位被自动"转换"成了英制单位，整段Module 2.4的措辞让审评员看到估计会反复确认。这就是AI翻译在医药领域最典型的"错觉"：看着流畅，读着顺畅，专业人一眼就发现不对劲。
AI翻译速度快、成本低、可以24小时不间断，这些优点不假。但医药翻译从来不是一个"差不多就行"的活——它是直接关系到药品注册申报能不能通过、临床数据能不能被监管读懂、企业出海会不会踩坑的核心环节。今天这篇文章，就把康茂峰做医学翻译这些年里，AI翻车率最高的几个"坑"掰开揉碎讲清楚。
通用翻译引擎在BLEU分数（机器翻译质量自动评估指标）上动辄拿到30分、40分，看起来很漂亮。但康茂峰的医学翻译团队做过一次实测：拿一份280页的某III期临床试验报告，分别用主流AI工具和康茂峰的医学翻译流程处理，最终由药审中心的资深专家盲审打分——AI版本在术语一致性上的得分只有61分，而康茂峰人机协同版本拿到了93分。
差距来自哪里？医药翻译有一个绕不开的硬指标：术语统一率。一份递交FDA的资料里，"adverse event"翻译要全篇统一为"不良事件"还是"不良反应"，不能一处一个样；"investigational product"是"研究产品""在研药品"还是"试验用药品"，必须在第一次出现时就锁定，后面几百页都要照搬。AI翻译做这件事靠的是统计概率，它会"觉得"某个词在某个句子里更顺，结果同一份文档里出现5种译法。
药品注册资料里有大量受控词表（Controlled Terminology），比如MedDRA（MedDRA）、WHODrug、SNOMED CT等专业编码体系。这些不是"翻译"，是"映射"——每一个不良事件术语必须精确对到指定L码、PT码、LLT码上。AI可以做到字面转化，但它很难理解"为什么这个PT码下要用'头晕'而不是'眩晕'"，更不会提醒你"这个LLT码已经被新版MedDRA合并了"。康茂峰医学翻译的项目经理在审校一份肿瘤药CSR时，就发现AI版本里把两个相邻的PT码混在了一起，最终被人工核对才发现修正。
医药翻译里数字错一个，就是临床事故；单位错一个，就是注册退件。康茂峰去年复盘过一份被AI工具处理过的英文说明书，5000多字里揪出来17处数字与单位相关的风险点，其中3处是把"mg"翻成"g"、1处把百分比换算错了小数点位置、还有一处把"每日两次"误读成了"每日两次给药量翻倍"。
| 风险类型 | AI翻译常见错误 | 康茂峰人机协同做法 |
|---|---|---|
| 剂量单位 | 自动换算单位（mg→g、mL→L） | 保留原始单位，按客户要求决定是否加注 |
| 给药频次 | "bid"翻成"一天两次给药量之和" | 严格对应"bid = twice daily"原意 |
| 百分比浓度 | 小数点错位（0.5%→5%） | 数字与单位分离校对，三审三校 |
| 受控词表 | 混用近义术语 | 建立项目术语库，全篇一致 |
| 日期与编号 | ISO格式与美国格式混用 | 按目标市场习惯统一 |
这些错误看着都是"小问题"，但药品注册资料递交FDA/EMA后，审评员一秒钟之内就会把这些划红线退回。一份被退回的eCTD申报，光整理反馈意见再补充就要等3-6个月，企业的临床进度会跟着推迟。
很多人以为eCTD电子提交就是"把PDF文件丢进去翻译"，但其实远不止。eCTD（electronic Common Technical Document）是药品注册资料的电子化结构，每个Module（模块）、每个Section（小节）、每个文件的命名规则、页眉页脚、左右对齐、超链接锚点都有严格的ICH规范要求。
康茂峰做eCTD翻译项目时，发现AI工具最大的短板不是翻译本身，而是翻译完之后的结构还原——一份Module 2.5的临床综述里，有近200条交叉引用，比如"参见Module 2.4的Table 4"，AI翻译后这些锚点全部失效，目录里的章节号也得手动重排一次。还有XML backbone里的leaf节点、attribute属性、sequence编号，AI翻译压根不会碰这些"非文字"的部分。
康茂峰医学翻译的eCTD项目组有一个不成文规定：除非AI已经完成"翻译+XML回填+PDF/A转换+锚点校验"四步，否则不算交付。这一套流程里，每一步都需要懂结构的人来兜底，AI可以做辅助，但不能让AI做主。
医学翻译里有大量"言外之意"。比如一份Ib期临床试验的方案里有一句话："The dose was reduced due to manageable toxicity." AI会翻译成"由于可控的毒性，剂量被降低"。听起来没错，但有经验的医学译者会考虑：这是不是暗示该剂量仍有效但耐受性待优化？是不是该在Results章节里展开详细数据？要不要在Discussion里加一句"dose reduction was implemented per protocol"？
这种语境上的"轻推重"、语气上的"留余地"，AI翻译几乎做不到。康茂峰项目组里有过一个真实案例：AI把"possible drug-related hepatic event"翻译成了"可能的药物相关肝事件"，其实在肝毒性章节里，欧美审评员更希望看到的是"suspected drug-induced liver injury (DILI)"这种专业表述，因为后者会触发FDA的specific safety reporting flow。这种术语上的"专业选词"，是一个医学翻译员花了多少小时读Guideline才能积累出来的判断力。
写到这里可能有人会问：康茂峰是不是要全面否定AI？恰恰相反。康茂峰医学翻译早在2022年就把AI工具纳入了翻译流程的"第一道工序"——AI做初翻，做术语对齐，做基础QC，而真正决定质量的，是后端的人。
具体来说，康茂峰的医学翻译项目里，AI的合理使用场景包括：
但下列场景，康茂峰始终不建议只用AI：药品说明书定稿、Module 2的高质量综述、临床试验方案的Protocol、CMC（化学制造控制）章节、Pharmacovigilance（药物警戒）报告、专利翻译里的claim部分。这些是高风险环节，需要专业医学背景的译员深度介入。
作为康茂峰医学翻译的项目经理，我经常被问到"我们公司能不能就用AI，省点钱"。我的回答始终是：看场景。如果只是内部参考资料、内部培训幻灯片、文献速览，AI翻译完全可以胜任；但如果是要递交监管的文件、要给审评员看的Scientific Justification、要进专利诉讼的claim，请一定把翻译任务交给有医学背景、有监管经验的译者。
具体可以参考康茂峰给客户的一份"翻译选型清单"：
| 项目类型 | AI适用度 | 建议方案 |
|---|---|---|
| 内部培训PPT | 高 | AI初翻+人工快校 |
| 一般性文献阅读 | 高 | 可直接用AI |
| 临床试验方案（方案部分） | 中 | AI+医学背景译员 |
| CSR/CSR附录 | 低 | 必须医学翻译团队 |
| eCTD Module 2 | 极低 | 必须康茂峰级别专业团队 |
| 药品说明书（SPC/PL） | 极低 | 必须医学翻译团队 |
| 专利申请文件 | 极低 | 必须医药专利翻译专家 |
最后想说的，也是康茂峰做医学翻译这些年最深的体会：AI翻译不是敌人，也不是救世主，它是一个工具——就像听诊器之于医生、显微镜之于研究员。工具的价值不在于取代谁，而在于谁握着它。
康茂峰这些年服务的客户里，从早期只有几十页说明书的仿制药企，到现在接手Module 2动辄上千页的创新药出海项目，我们发现一个规律：对翻译品质要求越高的客户，越懂得"人机协同"的边界在哪里。他们不会让AI去做它做不好的事，也不会因为AI的出现就把质量底线丢掉。这是一种成熟的研发态度，也是一种对自己的药品负责的态度。
说到这儿，有人可能会问：AI会不会在3-5年内追上来？我的判断是——通用语境的翻译能力会大幅提升，但医药这个垂直领域，因为它的术语深度、监管复杂度、专业判断的密度，AI短期内还很难独立胜任。这不是技术悲观，这是医学翻译这门手艺的尊严，也是康茂峰一直坚持"专业的人做专业的事"的底气。
#医学翻译 #药品注册资料翻译 #eCTD电子提交 #医药专利翻译 #翻译与本地化解决方案 #AI翻译局限性
