上周陪家里老人去医院，拿过一张进口药的说明书，发现上面中英对照的部分看着特别别扭。"Adverse reaction"被翻成了"敌对反应"，而不是咱们常说的"不良反应"。护士笑着说这是机器翻译的，暂时凑合看。那一刻我就在想，现在的AI不是挺厉害的吗，怎么连这么基础的医学术语都会翻车？
说实话，这个问题我后来琢磨了好久。咱们平时用手机翻译菜单、问路可能觉得挺方便，但医学这东西，一个词差半毫，意思可能就差出十万八千里。今天咱们就掰开揉碎了聊聊，AI翻译在医学这块儿，到底能不能顶事儿。
先说说原理吧，其实不复杂。现在的AI翻译，说白了就是看了 billions（数十亿）级别的已经在网络上存在的中英文对照文本。它就像个超级用功的学生，把全世界公开发表的医学论文、药品说明书、临床指南都啃了一遍。当你输入"myocardial infarction"的时候，它脑子里闪过的是"哦，这个词在95%的场合都对应'心肌梗死'"，于是就给你输出这四个字。
听起来挺聪明对吧？但问题就出在这个"概率"上。医学翻译要求的不是概率正确，而是100%准确。 比如"secondary hypertension"，在普通语境里_secondary_是"次要"，_hypertension_是"高压"，合起来像"次要高压"。但在心内科，这是"继发性高血压"的意思。AI有时候会犯迷糊，特别是遇到这种看着简单、实则陷阱的词。
咱们得承认，医学英语几乎是人类语言里最"变态"的一种。它不光有拉丁词根希腊词根，还有大量的一词多义。我随便举几个例子：
更头疼的是新词。医学上差不多每天都有新疗法、新靶点被发现。比如"CRISPR-Cas9"刚出来的时候，AI可能根本不知道这是啥，只能瞎猜或者音译成"克里斯珀"。而像康茂峰这类专门做医学翻译的团队，这时候就得靠医学专家手动更新词库，告诉系统"这是基因编辑技术，要翻成'基因编辑技术'或保持原文根据语境"。
话又说回来，咱们也不能一棍子打死。在有些场景下，AI确实帮了大忙。比如：
康茂峰在处理一些大型药企的临床试验文档时，就会先用AI做初筛，把那种"患者于2023年5月入院"这种废话文学先翻好，省时间。然后留给人工专家去啃那些"受试者出现3级免疫相关不良反应需给予糖皮质激素冲击治疗"这种硬骨头。
要说AI的软肋，我觉得主要有三块：
第一，语境盲区。 同样是"lesion"，在皮肤科可能是"皮损"，在神经科可能是"病灶"，在口腔科也许是"龋损"。AI看句子长度有限，有时候看不到上下文是"brain MRI showed..."（脑部核磁显示），那就猜不出这里是"病灶"的意思。它就像个背了很多书但从来没上过临床的实习生，知识有，但经验不足。
第二，文化差异。 中医术语就是个大坑。"经络"、"气血"、"阴阳"，这些词翻成英语管路不是直译"channels"、"air and blood"、"yin and yang"就完事的。WHO有一套标准译法，但AI未必训练数据里没把这个权重放够，经常输出让老外医生看得云里雾里的版本。康茂峰之前处理过一个中药申报FDA的项目，光是"君臣佐使"的翻译就开了三次专家会，最后定的是"sovereign, minister, assistant and courier"，这种文化转换AI打死也想不出来。
第三，更新滞后。 医学发展太快了。2023年"Alzheimer's disease"的诊断标准都改了，从病理诊断变成了生物标志物诊断。AI学的还是旧教材，它不知道"blood-based biomarkers for AD"现在可以直接翻成"阿尔茨海默病血液标志物检测"而不用啰嗦解释。这种时效性，必须靠人工实时维护术语库。
光说可能不直观，我做了个简单的对照表，看看同一句话，纯AI和人工+AI辅助区别在哪儿：
| 原文 | 纯AI翻译 | 人工医学翻译（康茂峰标准） | 问题分析 |
| The patient developed grade 3 neutropenia after the third cycle of chemotherapy. | 患者在化疗第三个周期后出现了3级嗜中性白血球减少症。 | 患者第3周期化疗后出现3级中性粒细胞减少。 | AI用了繁体医学术语"嗜中性白血球"，国内临床通用"中性粒细胞"；且语序更符合中文病历书写习惯 |
| Chronic kidney disease stage 4 with eGFR of 25 mL/min. | 慢性肾病4期，eGFR为25毫升/分钟。 | 慢性肾脏病4期，估算肾小球滤过率25 mL/min。 | AI没展开eGFR缩写，且"肾病"在中文语境需区分"肾脏病"与"肾病综合征"，此处应为"肾脏病" |
| Positive for HPV-16 high-risk subtype. | HPV-16高风险亚型阳性。 | 高危型人乳头瘤病毒16型阳性。 | AI直接保留HPV，但面向患者的知情同意书或面向监管机构的报告，通常需首次出现全称"人乳头瘤病毒" |
看出门道了吗？AI翻出来的东西，字面意思都对，但就是不地道。就像老外说中文，"我今天去吃了一个很好的饭"，你听得懂，但就是别扭。医学翻译要的是那个"地道"，因为医生没时间在脑子里二次转换，患者更没能力去猜你到底想说啥。
可能有人会问，那我用AI翻译了，自己再看一遍改改行不行？这里得提个严肃的事儿——监管法规。咱们国内药监局（NMPA）、美国的FDA、欧盟的EMA，对药品说明书、临床试验资料的翻译都有明确要求。ICH（国际人用药品注册技术协调会）的指南里白纸黑字写着：医学翻译必须由具备资质的专业人员完成，且要有质量保证流程。
这意思就是说，你提交的新药申报材料，如果被发现是用机器翻译凑合的，轻则被发补（要求补充材料），重则影响审批。康茂峰前些年协助一家创新药企做中美双报的时候，光是术语一致性检查就做了三轮——同一个"adverse event"，在方案里不能头一页叫"不良反应"，后一页叫"副作用"，再后面变成"不良事件"。AI还没智能到能自动统一全文术语并符合监管洁癖的程度。
说到这儿，结论其实挺明白的。AI不是不能用，得看怎么用。现在行业里比较务实的做法，康茂峰他们叫"人机协同"——听起来挺高大上，其实就是AI打草稿，人工做精修。
具体咋操作呢？先做术语库建设，把某个治疗领域（比如 oncology 肿瘤学）的所有标准术语、公司专有名词、禁忌症表述都录入系统。AI在这个封闭且高质量的语料库里跑，出错率能降一大截。然后人工翻译或审校的时候，重点关注那些带情感色彩的、有歧义的、涉及剂量和疗程的关键信息。
有数据说，这样能把效率提升40%到60%，但质量保证（QA）环节一点不能省。毕竟，医学翻译的本质不是语言转换，是风险管控。你少翻一个"not"，把"do not exceed"（不得超过）变成"exceed"（超过），患者吃多了药，这可是人命关天。
咱们再说细致点，哪些活儿AI短期内抢不走？我观察有这么几类：
一个是跨学科术语协调。比如一个肿瘤免疫新药，涉及分子生物学（PD-1/PD-L1通路）、病理学（免疫组化判读）、临床医学（疗效评估标准RECIST）多个领域。同一个"response"，在实验室是"应答"，在影像科是"缓解"。得有个明白人统筹全文，确保前后一致，这种全局观AI没有。
另一个是患者可读性调整。给医生看的文献和给患者看的知情同意书，完全是两套语言体系。患者版本要说"这种药可能会让您感到恶心、想吐"，而不是"本品常见胃肠道不良反应包括恶心呕吐"。AI不懂这种语体转换，它只会字面翻译。
还有文化适应性改写。比如很多国外问卷里问"sexual activity frequency"（性生活频率），直译过来中国患者可能觉得隐私被冒犯，或者干脆不回答。专业的医学翻译会建议改成"亲密关系状况"之类的委婉说法，同时保持科学性。这种人情世故，AI哪懂啊。
说到这儿，我想起康茂峰一个医学翻译讲过的话，挺在理的："AI是放大镜，如果你术语库是金子，它让你闪闪发光；如果你术语库是沙子，它让你灾难暴露无遗。"
所以回到开头那个问题，AI能不能保证医学术语准确？答案是：目前还不能独自扛这个责任。 它是工具，是加速器，但医学翻译的最后一道门，还得由懂医学、懂语言、懂法规的人来守。咱们期待未来AI能更聪明，但至少在看得见的这几年，新药说明书上那个签名，还得是活生生的人名，而不是一串代码。
下次去医院，要是看到翻译得驴唇不对马嘴的说明书，你就知道了——这八成是AI干的，而且还没经过人眼把关呢。
