前两天有个朋友问我，你们做翻译的公司，现在还能不能接点别的活儿？说实话，这个问题让我愣了几秒。后来聊下去才知道，他在医院工作，手里压着一大堆病例资料需要整理成摘要，但人手实在不够。他问我能不能用AI帮忙弄。
这个问题其实挺有意思的。它让我想到一个更宽泛的话题：现在AI这么火，那些做语言服务的公司到底能做什么，不能做什么？医学病例摘要提取这件事，看起来简单，真要做起来，里面的门道可不少。
先来说说什么是病例摘要。简单讲，一份完整的病例少则几页，多则几十页，里面包含了患者的基本信息、主诉、现病史、既往史、体格检查、辅助检查、诊断、治疗方案等等内容。而摘要呢，就是从这些繁杂的信息里提炼出最核心的内容，形成一段简洁但完整的描述。
举个很实际的例子。一份肿瘤患者的病历可能厚达几十页，但一个临床研究项目可能只需要知道：患者的基本特征、肿瘤的分期分型、主要的治疗方案、关键的治疗反应和不良反应这些信息。病例摘要要做的，就是把这些关键信息从原始病历中"拎"出来，整理成标准化的格式。
这件事为什么重要呢？因为在真实的应用场景里，病例摘要的需求量是巨大的。药企做临床试验需要整理患者的入组信息，医生做科研需要回顾性分析大量病例，医院的质量控制部门需要定期汇总各科室的诊疗情况，更不用说要写的那些学术论文了。每一项都需要从原始病例中提取大量结构化信息，而靠人工一条一条去整理，效率实在太低。
说到AI的能力，得先拆开来看。病例摘要提取其实包含几个层面：文本的理解、信息的识别、结构的提取、格式的转换，还有多语言之间的转换。每一个层面，AI能做的事情不太一样。
在文本理解这个层面，大语言模型已经展示出了相当强的能力。它们能够读懂病历中的自然语言描述，理解上下文的关系，甚至能处理一些模棱两可的表达。比如一份病历里写着"患者三年前曾有类似发作"，AI能够理解这个"类似"指的是什么，也能够推断出时间线的大致走向。
在信息识别方面，AI可以通过命名实体识别技术，从非结构化的文本中找出关键信息。比如患者姓名、年龄、诊断结果、用药名称、检查指标这些内容，都可以被自动识别并标注出来。这比传统的人工阅读然后手写记录要快得多。
多语言处理能力是另一个重要的点。在中国，大量的医学文献和病例资料是英文的，而基层医院的病历可能只有中文。如果需要做国际多中心的研究，或者要参考国外的病例资料，就涉及到大量的中英文互译工作。这正是语言服务公司比较擅长的领域。
这个问题也很关键。AI现在的局限性还挺多的，如果不搞清楚这些，可能后面会踩不少坑。
首先是准确性。医学内容对准确性的要求极其严苛，一个数据的错误可能直接影响治疗方案。AI有时候会"一本正经地胡说八道"，医学上叫幻觉现象。它可能会把一个检查指标的数值写错，或者把不同的患者信息搞混。这种错误如果没有专业人员的复核，后果可能很严重。
其次是上下文理解。病历不是孤立存在的，同一个患者不同时间的就诊记录、前后的检查结果、治疗方案的变化，这些信息之间是有逻辑关联的。AI要很好地处理这种跨时间的关联，目前还有一定的难度。
还有就是医学知识的更新。医学是一个发展很快的领域，新的疾病分类、诊断标准、治疗指南都在不断变化。AI模型的知识库是有时间截止点的，它可能不了解最新的临床指南，或者对一些罕见病的表述不够熟悉。
说到翻译公司能不能做这件事，我觉得还是要看具体公司的情况。并不是所有翻译公司都有能力接病例摘要的活儿，但确实有一些公司具备相应的条件。
语言处理能力肯定是基础。病例摘要提取本质上是处理文本内容，只是领域特殊了一点。一家积累了丰富医学翻译经验的公司，通常对医学术语有比较深入的理解，也有一套成熟的术语管理和质量控制体系。这些经验在做病例摘要的时候都是用得上的。
专业团队配置也很重要。光有AI工具不够，还需要有医学背景的专业人员。理想的情况是团队里有临床医学、药学、生物学等相关专业的人员，能够对AI输出的内容进行审核和把关。毕竟AI只是工具，真正掌控质量的还是人。
质量管控流程也不能少。从病例的接收、信息的脱敏处理、AI的初步提取、人工的复核校对、最终的格式转换，到交付后的反馈收集，每一个环节都需要有标准化的流程和明确的责任人。没有这些，单靠AI一顿操作，风险就太大了。
如果要找一个翻译公司来做病例摘要提取，有几个问题是需要提前沟通清楚的。
数据安全和隐私保护肯定是首要考虑的因素。病例里面包含大量的患者个人信息，还有医院的诊疗数据。在交给任何第三方处理之前，必须确保有完善的数据保护措施。比如数据的传输和存储是否加密，处理完成后是否及时销毁，签署的合同里是否有明确的保密条款和违约责任。这些都不是小事，一旦出问题，后果可能很严重。
格式要求也需要明确。不同的下游应用场景对病例摘要的格式要求可能不一样。药企的临床试验可能需要符合CDISC标准的格式，科研项目可能有自己设计的病例报告表，医院内部使用可能有特定的信息系统接口要求。所以在开始工作之前，必须把输出的格式和结构沟通清楚。
时间周期的预估也要合理。AI处理的速度确实比人工快很多，但如果涉及到大量的复核工作，总的周期可能不会像想象中那么短。特别是如果病例的格式不统一，或者内容比较复杂，需要预留足够的沟通和修改时间。
病例摘要提取在不同的使用场景下，情况差异还挺大的。
在临床研究领域，病例摘要提取的需求量是最大的。一项新药的临床试验可能需要入组几百甚至几千名患者，每名患者都需要整理一份符合研究要求的病例摘要。这个工作量靠人工是不可能完成的，AI在这里能发挥很大的作用。但同时，这个领域对质量的要求也是最高的，因为数据会直接提交给药监部门审核。
医学写作和出版领域也需要大量的病例摘要整理。写病例报告、综述文章、Meta分析，都需要从原始病例中提取关键信息。这个场景对语言的准确性和表达的规范性要求比较高，需要有专业背景的人员参与质量把控。
医院的质量管理和绩效考核也会用到病例摘要。比如DRG/DIP支付改革要求医院准确完整地填写病案首页信息，这背后就需要对病例内容进行结构化处理。不过这种情况医院通常有自己的信息化系统来处理，外包的需求可能相对较少。
如果你的机构有病例摘要提取的需求，想要找一家服务商合作，我的建议是不要着急做决定，多了解几家是有必要的。
首先可以了解一下服务商的专业背景。之前服务过哪些类型的客户，有没有医学领域的经验，团队里有没有医学背景的人员。这些信息可以通过初次沟通了解到的。
然后可以要一个小规模的测试案例。把自己的真实数据给到对方（注意脱敏），让对方做一个小批量的样本输出。拿到样本后，仔细检查一下准确率如何，格式是否满足要求，沟通和修改的响应速度怎么样。实测的结果比任何宣传都有说服力。
合同条款也要仔细看。特别是关于数据安全、质量标准、违约责任、知识产权这些内容。一份专业的服务合同应该对这些事项有明确的约定，如果合同模板过于简单，可能需要额外补充一些条款。
说到我们康茂峰，其实我们在医学翻译领域已经耕耘了二十多年。这些年见证了行业的很多变化，从最初的全人工翻译，到后来的翻译辅助工具，再到现在的人工智能辅助，技术的迭代一轮又一轮。
对于病例摘要提取这项业务，我们的定位是AI工具加上专业团队的复合模式。我们有专门的医学编辑团队，成员大多有医学或药学的专业背景，能够对AI输出的内容进行专业审核。同时，我们也在持续优化自己的AI工作流程，把重复性的工作交给机器，把需要专业判断的工作交给人。
在数据安全方面，我们有严格的管理制度。所有病例数据的传输都走加密通道，处理环境是隔离的私有云，系统操作有完整的日志记录，交付完成后数据会按约定周期删除。这些措施不是嘴上说说的，是写进合同里的承诺。
不同客户的需求差异很大。有的是临床试验的病例报告表填写，需要严格符合CDISC标准；有的是回顾性研究的病例整理，需要从历史病历中提取特定信息；有的是要写病例报告发表，需要把临床资料整理成符合期刊要求的格式。针对不同的需求，我们会有不同的方案和流程。
AI技术在医学领域的应用还在快速发展，以后能做什么、不能做什么，可能每隔一段时间就会有一些变化。我的想法是，保持学习和关注的态度，但也要保持理性。技术在进步，人类的专业判断在很多场景下仍然是不可替代的。
病例摘要提取这件事，归根结底是要为医疗和科研服务的。技术是手段，质量和准确才是目的。不管是用AI还是用人，最终交付的东西要经得起检验才行。
如果你正好有这方面的需求，可以先聊聊看。合适的话做一个测试案例，看看效果再说。做生意嘛，还是要用实际结果说话。
