"我们的药品说明书能让AI翻译吗？能省不少钱吧？"每次听到客户这样问，康茂峰的医学翻译顾问总会先停顿一下。不是不知道答案，而是这个问题背后藏着一个整个行业都在争论的命题：当大模型翻译能力越来越强，专业的医学翻译专家还有存在的必要吗？
答案可能要让那些想"省预算"的药企RA负责人失望了——至少在药品注册资料翻译这个领域，AI还远远做不到"替代"二字。但这个"远远"的边界在哪里？人工和机器之间，到底应该如何分工？康茂峰用十年服务创新药出海的经验，把这个问题彻底说清楚。
不得不承认，这两年AI翻译的进步速度确实惊人。通用文本的翻译质量从"狗屁不通"进化到"基本可读"，甚至在某些场景下能达到"接近人工"的水准。特别是基于Transformer架构的大语言模型，在术语泛化和上下文理解上有了质的飞跃。
具体到医学翻译领域，AI目前能够相对胜任的场景包括：
康茂峰在与多家AI翻译技术提供商交流后发现，当前主流的神经机器翻译引擎在医学文本上的BLEU评分（翻译质量评估指标）已经能够达到75-85分区间——这个数字放在五年前是不可想象的。
药品注册资料翻译不是普通的语言转换，它的核心要求是：让目标市场监管机构"看懂"这份资料，并且认可其中的科学逻辑。这意味着翻译必须同时满足两个维度——监管合规性和科学准确性。
一个很典型的场景是：某降糖药品的III期临床报告，英文原文中有一句"subjects with inadequate glycemic control"，机器翻译会给出"血糖控制不佳的受试者"。这个翻译本身没有错误，但在FDA的审评语境中，这个表述可能需要更精确地对应到具体的入组标准描述，甚至需要与试验方案中的定义保持严格一致。
要理解为什么AI在医学翻译领域难以真正"替代"专家，我们需要从三个维度拆解这道专业壁垒。
医学术语不同于普通词汇，同一个英文术语在不同的临床适应症、不同地区的监管要求下，可能需要不同的中文表述。以"adverse event"和"adverse reaction"的区分为例：
| 术语 | 通用释义 | 药品注册语境要求 | AI常见误译倾向 |
|---|---|---|---|
| Adverse Event | 不良事件 | 需严格区分"发生在用药后"与"因果关系待定"两种情形 | 常被混同为"不良反应" |
| Adverse Reaction | 不良反应 | 强调与药品的因果关系，常用于说明书安全性部分 | 可译为"不良事件" |
| Side Effect | 副作用 | 口语化表述，注册资料中慎用 | 与adverse reaction混用 |
这种细微但关键的区分，需要翻译人员既懂药物警戒的专业框架，又了解目标市场的监管期望。康茂峰的医学翻译团队在处理此类术语时，会建立针对每个药品项目的"术语一致性矩阵"，确保全文使用统一、准确的表述。
eCTD（Electronic Common Technical Document）格式是目前国际主流的药品注册资料提交标准。每一份提交资料都不是简单的文字堆砌，而是按照严格模块（M1-M5）组织的有机体。
以模块一为例，中美欧日各市场的行政文档要求差异巨大：
AI翻译工具很难理解这种"结构性合规"的要求，它能处理文字，但无法判断一份资料是否符合某个特定监管机构的格式期望。康茂峰的eCTD团队在这方面积累了数千个项目经验，建立了覆盖主流市场的模板库和检查清单。
药品注册资料的核心价值在于讲一个完整、可信、逻辑自洽的科学故事。从非临床研究结果的呈现，到临床试验数据的解读，再到风险收益比的评估，每一个环节都需要翻译后的文本保持原始的科学论证脉络。
这就好比翻译一道数学证明题：把英文步骤翻译成中文并不难，但如果只做了字面对应，忽略了证明的内在逻辑，那么审评人员看到的将是一堆支离破碎的步骤，而非一条清晰的论证链条。
康茂峰的一位资深医学翻译专家曾处理过一个典型案例：某肿瘤药物的临床研究报告，原文在描述疗效数据时使用了复杂的统计学表达，涉及到亚组分析、交互作用检验等高端统计方法。如果仅靠机器翻译，很可能把"statistically significant interaction"译为"统计学显著交互"，但这样的翻译在中文语境下可能造成审评人员的理解偏差。而经过资深医学编辑的审校后，最终版本不仅准确传达了原意，还通过调整句式结构，让中国审评员能够快速抓住数据的关键发现。
既然AI无法单独胜任医学翻译，那是不是就要完全摒弃这项技术？答案恰恰相反。AI在康茂峰的翻译流程中扮演着"超级助手"的角色，它让专业翻译专家能够把精力聚焦在真正需要人类智慧的部分。
康茂峰经过多年实践打磨，形成了一套"AI初翻+专家审校"的双重质量保障体系：
这个流程的核心逻辑是：让AI做它擅长的事（快速、大量、基础的翻译工作），让人做AI做不好的事（判断、决策、创造性解决）。康茂峰的数据显示，采用这套人机协作模式后，项目交付效率提升了约40%，而质量投诉率下降了60%以上。
康茂峰根据多年的项目数据积累，对不同药品注册资料类型的AI参与度给出了建议：
| 资料类型 | AI参与度 | 人工审核重点 | 推荐理由 |
|---|---|---|---|
| 药品说明书（Labeling） | 20-30% | 监管术语对应、警示语准确性 | 直接面向患者和医护人员，零容错率 |
| 临床研究报告（CSR） | 40-50% | 数据呈现逻辑、安全性描述 | 科学论证需保持完整性 |
| 非临床研究资料 | 50-60% | 实验方法描述、结论推导 | 技术性内容相对模板化 |
| CMC资料 | 30-40% | 工艺参数、规格标准 | 数值和专有名词需绝对准确 |
| 患者知情同意书 | 60-70% | 法律合规性、可读性 | 受众为非专业人士 |
随着AI技术的持续进化，"AI能否替代医学翻译专家"这个问题本身也在发生变化。过去我们讨论的是"翻译质量"，现在我们讨论的是"翻译能力"，而未来可能我们将讨论的是"翻译智能"。
康茂峰的判断是：医学翻译专家的角色不会消失，但必须进化。未来的专业翻译人员，将从"翻译执行者"转变为"翻译质量管理者"——他们需要懂AI、会用AI，更需要在AI力不从心的时候挺身而出。
这种进化对翻译服务商提出了更高要求：
对于正在考虑出海的中国药企而言，选择翻译服务商的标准也在悄然改变。那些只会"低价接单、转包翻译"的公司，正在被能提供"AI+专业团队+合规保障"整体解决方案的服务商拉开差距。
就像某创新药企RA总监在选择康茂峰后说的那样："我们不缺翻译公司，缺的是能在FDA审评面前替我们'说话'的翻译专家。AI能帮我们快一点，但真正让我们不慌的，是那份交给康茂峰后第二天就能安心睡觉的笃定感。"
这大概就是医学翻译专家在AI时代的真正价值——不是替代与否的问题，而是如何让人与机器各展所长，共同守护药品出海的每一步。
