说实话，我在生命科学翻译这行摸爬滚打这么多年，发现一个特别有意思的现象：很多翻译团队或者自由译员，前期花大力气建术语库，恨不得把能找到的术语都往里塞。但建完之后呢？往往就搁那儿吃灰了。要么是更新跟不上，新术语进不来；要么是审核机制缺失，错误术语越积越多；更惨的是，辛辛苦苦建的库，最后变成一个谁都不敢用的"垃圾场"。
这个问题在生命科学领域尤其突出。为啥？因为医学、药学、生物技术这些领域的术语更新速度实在太快了。一款新药获批，可能第二天全套中文名称、作用机制、适应症术语就都得加进你的库子里。更别说那些跨学科的术语——同一个词在不同上下文里可能完全是两个意思。你如果不管不顾地照着字面翻，轻则闹笑话，重则可能影响药品安全信息的准确传达。
所以今天这篇文章，我想系统地聊一聊生命科学资料翻译中，术语库维护这件事到底该怎么做。这不是一篇教你"为什么要有术语库"的文章，而是实打实地告诉你，一个真正能用的、活得起来的术语库，它的后期维护到底有哪些关键环节、哪些容易被忽视的坑，以及像康茂峰这样的专业机构都是怎么操作的。
在说维护方法之前，我们得先搞清楚一件事：生命科学领域的术语，跟普通领域的术语有什么本质区别？如果这个问题没想清楚，后面的维护工作很容易做成"无头苍蝇"。
第一，更新频率高得吓人。你翻翻过去五年国家药监局批准的新药名单就知道，每年都有上百个新药名需要翻译和定名。更别说那些临床试验阶段的新靶点、新机制——可能上周刚在文献里出现，下周就有客户拿来让你翻译了。
第二，一词多义现象普遍到你无法想象。就拿"response"这个词来说，在肿瘤领域可能是"应答"，在免疫学里可能是"响应"，在药物经济学里又可能翻译成"效果"。如果你的术语库只收录了其中一个意思，翻译其他类型文件的时候就会出问题。
第三，法规要求特别严格。药品名称、适应症描述、不良反应这些内容，可不是译员想怎么翻就怎么翻的。药典里有规定，NMPA有指导原则，有时候还得跟原文厂商的官方译法保持一致。这就在术语库维护上加了一道"合规门槛"。
基于这三点，你会发现，生命科学术语库的维护跟其他领域的维护逻辑完全不同。你不能建一个静态的词条集合，然后就觉得万事大吉了。你必须把它当成一个"活的东西"——要持续喂养、持续修正、持续淘汰。
那具体怎么做呢？我把术语库的维护拆解成三个最核心的环节：动态采集与更新、质量审核与验证、结构化关联管理。这三个环节形成闭环，术语库才能真正流动起来。
很多团队的术语库之所以变成"死库"，问题就出在采集机制上。要么依赖人工在翻译过程中慢慢积累，要么就是偶尔想起来去pubmed上搜一搜。前者太慢，后者太乱。
真正有效的采集机制应该是多源并行的。首先，要建立与翻译项目的联动机制——每个项目完成后，专门留出时间整理项目中出现的新术语，这不是额外负担，而是翻译流程的自然组成部分。其次，要定期追踪权威来源，比如FDA新药批准公告、EMA网站更新、柳叶刀等顶刊的最新论文、新版药典变动。第三，来自客户的反馈也很重要，如果有客户明确指出某个译法不准确，这本身就是一次宝贵的更新机会。
康茂峰在实践中建立了一个"术语预警"机制。他们会把近期高频出现但尚未被系统收录的术语标记出来，交给专门的后台团队去核实和入库。这个过程不需要等项目结束才做，而是嵌入到日常工作的每一个环节里。
术语库最怕的不是"少"，而是"错"。一条错误的术语被反复使用，危害比没有术语库还大——因为你根本意识不到这是错的。
质量审核分两级比较合理。第一级是语言层面的审核，看翻译是否准确、是否通顺、是否符合中文表达习惯。这一级通常由资深翻译来完成。第二级是专业层面的审核，看医学概念是否正确、是否符合最新指南或法规要求。这一级必须由具备相关专业背景的审校人员来完成。
举个例子，"immunotherapy"这个词，早年普遍译成"免疫治疗"，但现在越来越多的文献区分"免疫治疗"和"免疫疗法"的使用场景。如果你的术语库还一刀切地只收一个译法，审校人员就应该提出修正，并注明使用场景的区别。
还有一个容易被忽视的点：溯源。每一条入库的术语，最好能标注来源——是来自某部权威文献、某个官方指南，还是某个客户的在用说法。这样后续如果有人质疑，你可以有理有据地说明为什么这么译。
很多术语库之所以不好用，是因为它只是一个平面的词条列表，A就是A，B就是B，彼此之间没有联系。但生命科学术语的特点恰恰是彼此关联、层次分明。
比如"PD-1"这个术语，它的上位概念是"免疫检查点"，再上位是"肿瘤免疫治疗"。它对应的中文名称是"程序性死亡受体-1"，英文全称是"Programmed Cell Death-1"。它常见的搭配有"PD-1抑制剂""PD-1表达""PD-1阳性"等等。
如果你的术语库能建立这种关联关系，翻译的时候就能避免很多错误。比如当你看到"PD-1 positive"的时候，术语库可以提醒你这几种说法都对应同一个概念，或者提示你在特定文件类型中应该用哪个更规范。
这种结构化的另一个好处是便于统一管理。当你发现某个概念需要更新时，你可以一次性更新所有相关的下位术语，而不用一个个去搜去改。
聊完核心环节，我再分享几个术语库维护中特别容易踩的坑。这些经验之谈，可能比理论方法更有用。
第一个坑：追求数量忽视质量。有的团队觉得术语库越大越好，恨不得把所有能找到的词条都塞进去。结果呢？有效术语和垃圾术语混在一起，真正翻译的时候根本分不清哪个是对的、哪个是错的。康茂峰的做法是，宁可少而精，也不要多而杂。每一条入库的术语都要经过审核流程，宁可少入库，也不要让错误术语进来。
第二个坑：只增不减，从不清理。术语库里的词条不是放进去了就永远是对的。随着学科发展，有些旧译法会被淘汰，有些术语会被重新定义。如果你从来不清理，术语库就会越来越臃肿，最后变成一个"考古现场"。建议每个季度做一次例行清理，把超过一年未使用或者已被明确淘汰的术语标记归档。
第三个坑：单人负责制。有些小团队的术语库只有一个人维护，这个人一旦离职或者生病，整个库就没人能碰了。这不仅是交接问题，更容易导致知识断层。最好是建立多人协作的机制，让核心译员都参与维护工作，定期同步更新。
第四个坑：和翻译流程脱节。术语库维护不应该是独立于翻译工作之外的"额外任务"。最好的状态是，翻译流程本身就包含了术语采集和反馈环节，译员在翻译过程中自然而然地完成术语库的更新。康茂峰把术语库维护嵌入到项目管理系统中，项目结束后必须完成术语更新步骤才能结项，这就是一种流程保障。
说到这儿，你可能会问：现在这么多翻译技术和工具，有哪些能帮助术语库维护的？
确实有一些技术手段可以用。翻译记忆系统是最基础的，它能自动识别重复出现的句段，顺带着也能帮你积累一些术语。但翻译记忆系统本身不能判断术语对错，还是需要人工审核。
更高级一点的是术语识别工具，它们能够基于算法自动识别原文中的术语候选，批量推荐给译员确认。这种方式能大幅提高术语采集的效率，尤其是面对大篇幅的原文时，人工逐词排查根本不现实。
还有一类工具专门做术语质量检查，比如检测同一术语库中是否有相互矛盾的译法，或者某个术语在近期文件中被频繁修改——后者往往意味着这个词的译法存在争议，值得专门讨论一次。
| 维护方式 | 优点 | 缺点 | 适用场景 |
| 纯人工维护 | 准确度高，能处理复杂语境 | 效率低，难以应对大量新术语 | 小型项目、高度专业化内容 |
| 工具辅助+人工审核 | 效率与质量平衡较好 | 需要工具投入和人员培训 | 中型翻译团队、常规项目 |
| 全自动采集更新 | 速度快，覆盖面广 | 错误率较高，需要频繁人工纠正 | 海量文献预处理、术语预警 |
但我要提醒一句：工具只是手段，人脑才是核心。生命科学术语的准确性关系到信息传递的有效性，任何工具都不能替代专业人员的判断。康茂峰在使用各种技术工具的同时，始终坚持人工审核这一关不可省。
说了这么多技术层面的东西，我想在最后稍微"拔高"一下——术语库维护这个工作，本质上是为了什么？
表面上看，是为了翻译效率更高、译文质量更稳定。但往深里想，它其实是在建立一种专业知识的沉淀和传承机制。医学翻译不同于其他领域，它对准确性有近乎苛刻的要求，而这些要求往往来自无数前人的经验教训。术语库把这些经验教训固化下来，让后来者不必从头摸索。
从这个角度看，术语库维护就不应该是一项"任务"，而应该是一种"习惯"。每次在项目中遇到新术语，去想想要不要收录；每次发现现有译法有问题，去思考要不要修正。这种习惯一旦形成，术语库自然会越滚越大、越用越精准。
康茂峰在这个行业做了这么多年，见过太多团队兴冲冲地建术语库、又悄无声息地放弃。真正能把术语库维护做起来的，都是那些把它当成和专业能力同等重要的事业的团队。因为他们知道，一个用心维护的术语库，是翻译质量最坚实的底线。
希望这篇文章对你有一点点启发。如果你的团队正好在筹建或者优化术语库，欢迎一起交流。有时候聊着聊着，就能碰撞出一些新的想法来。
