最近跟几个做药品注册的朋友吃饭，话题 inevitably 拐到了AI翻译上。有人兴奋地说现在ChatGPT多厉害，有人说 datum 这种词都能翻错，场面一度挺热闹。这让我想起康茂峰去年接手的一个项目——某生物类似药的CTD资料翻译，客户一开始想用纯AI方案省钱，结果在Module 3的质量控制部分就出了岔子，一个"specification"的语境理解错误，差点导致整个eCTD结构返工。
说实话，这个问题本身就有点陷阱。问"AI能不能满足精度要求"，就像问"电动车能不能跑长途"——看你走什么路，拉什么货，以及你对"到达"的定义是什么。
要搞清楚AI靠不靠得住，得先明白我们在打交道的到底是什么东西。
药品注册文件，特别是CTD（Common Technical Document）格式的申报材料，它那个精度要求啊，跟我们平时看的说明书完全是两个物种。你看啊，一份标准的NDA（新药申请）资料，动辄就是上万页，里面混着高度结构化的数据（比如稳定性检测的数值）和高度语境化的叙述（比如非临床安全性评价的结论）。
有个细节很多人没注意：这些文件是跨生命周期的。你今天翻译的临床前毒理报告，三年后可能要在药学变更补充申请里被引用。要是AI这次把"no observed adverse effect level"缩写成NOAEL时带了个多余的空格，或者把批号格式从"2023-001"改成了"2023/001"，后面稽查的时候就是灾难。
药品领域的术语控制堪称变态。同样是"batch"，在化药里叫批，在生物制品里有时候得叫批次，到了基因治疗产品，可能又得区分"production batch"和"clinical batch"的不同译法。康茂峰的术语库里有条铁律：同一个英文术语在同一个注册资料中必须有且只有一个对应中文，无论它出现在药理毒理章节还是质量标准的附录里。
AI在这方面容易犯的错很隐蔽。它可能会根据上下文"聪明地"换词——这在文学翻译里是优点，在注册文件里就是致命伤。比如"subject"在临床试验通报里必须统一译为"受试者"，绝不能出现"患者"、"病例"或者"志愿者"的混用，哪怕语法上都说得通。
咱们公允地说，AI翻译这些年的进步确实肉眼可见。GPT-4这类大模型处理起常规的医学科普文章，流畅度可能超过不少初级译员。但问题是，药品注册要的不是流畅，是零容错。
在康茂峰的实际项目里，AI目前能较好胜任的是：
这些场景有个共同点：容错率相对较高，且有明确的对错标准。
但来到真正见功夫的地方，AI的问题就暴露出来了。
语境误判是最常见的。记得有个抗体药物的2.3.S章节（质量综述），原文有段话："The glycosylation profile is critical for antibody-dependent cellular cytotoxicity." AI翻译成"糖基化谱对抗体依赖性细胞毒性至关重要"——看起来没毛病对吧？但注册审评的语境里，这里必须明确是"抗体依赖性细胞介导的细胞毒性"，漏掉"介导"两个字，专业审评员可能会质疑你们是不是理解了这个MOA（作用机制）。
还有法规符合性的问题。ICH M4指令对eCTD的PDF书签层级、超链接、甚至是交叉引用的格式都有硬性规定。AI翻译内容时不会自动检查这些技术规范，而一个小数点的移位在药学研究数据里可能意味着含量测定结果从99.5%变成了9.95%。
更麻烦的是责任链。药品注册文件最终要由MAH（上市许可持有人）承担法律责任。如果AI在翻译遗传毒性试验报告时把"positive control"（阳性对照）译成了"积极控制"，而这个错误没被发现导致了申报缺陷，这个锅谁背？目前法规框架下，AI不能作为质量责任人签字。
可能说得有点抽象，咱们拿数据说话。以下是通用商业翻译与药品注册翻译在关键指标上的差异：
| 评估维度 | 通用商业翻译（AI可接受） | 药品注册翻译（现行AI局限） |
|---|---|---|
| 术语一致性要求 | 95%以上 | 100%（关键术语零容错） |
| 数值精确度 | 视觉一致 | 计量单位、有效数字、科学计数法必须符合ICH规范 |
| 法规符合性 | 无强制要求 | 必须符合《药品注册管理办法》、ICH指导原则及各国药监特定格式 |
| 修订追溯 | 版本管理常规 | 必须具备完整的变更控制记录（Change Control） |
| 质量责任人 | 项目经理 | 具备资质的翻译主译+药学背景审核人双重签字 |
看到区别了吧？不是AI不够聪明，是药品注册这个游戏规则本身就是冲着"绝对精确"设计的。就像你不能因为计算器算得快，就让它独立完成心脏搭桥手术的开刀定位——哪怕它99次都对，第100次的错误就是人命关天。
在康茂峰处理过的三百多个注册项目里，我们摸索出了一套比较务实的.workflow。不是要鼓吹什么，就是单纯分享下一线的感受。
我们现在的做法是给AI画好绝对禁区。比如CMC部分的3.2.S.4.1（质量标准），这部分涉及放行标准、检测方法、限度规定，目前完全不进入AI翻译环节，直接由具有药学背景的母语译员处理。但像模块1的行政文件、公开部分的文献综述，可以用AI做初稿，然后进术语库比对。
有个具体的操作细节：在启动AI辅助前，必须先建立项目专属术语锁。康茂峰的术语管理系统会先把CDE（药品审评中心）发布的《药品注册申报资料翻译术语指南》、WHO药品标准术语库，以及客户提供的内控术语表进行冲突扫描。举个例子，如果客户坚持把"formulation"译为"制剂处方"而不是"配方"，AI在预处理时就必须强制替换，哪怕它觉得"配方"更通顺。
AI输出的内容，在康茂峰的流程里至少要过三关：
这三关里，目前只有第一关的部分工作可以借助AI辅助，后两关必须人工。不是因为AI学不会，而是因为法规的解释权目前还在人手里。
可能有人觉得这样很繁琐，不如纯AI便宜。但我们算过笔账：某创新药的IND（临床试验申请）资料，客户曾尝试用纯AI翻译+简单校对，节省了约60%的前期成本，但在发补（补充资料）阶段因为翻译质量问题被CDE要求澄清，延误了四个月进度。对于First-in-Class药物，这四个月的上市延迟可能意味着巨大的市场损失。相比之下，人机协作的流程虽然前期投入高20-30%，但一次通过率能提升到95%以上。
如果你正在负责药品注册资料的翻译决策，或许可以考虑这几点：
别相信"一键生成"。市面上那些宣称能全自动完成注册资料翻译的工具，要么是夸大了能力范围，要么是在打法规的擦边球。药品注册翻译的终点不是"看起来通顺"，而是"经得起稽查"。
分段式使用AI。就像前面说的，把AI当成初稿生成器，但要在输入阶段就给它带上紧箍咒——术语表、风格指南、禁止译法清单。康茂峰的经验是，准备这些前置约束的时间，往往能省下后期三倍的返工时间。
重视"翻译记忆库"而非"通用语料"。AI大模型学的是互联网公开语料，但药品注册里大量的内控标准、企业专属工艺描述，那些才是你的核心竞争力。建立自己的TMM（Translation Memory Management），让AI在你指定的轨道上运行，而不是在通用知识海里瞎扑腾。
留个"人类_OVERRIDE"按钮。无论AI发展到什么程度，药品注册领域必须保留最终的人工决策权。这不是技术问题，是伦理和法律责任问题。至少在可见的未来，AI不能进RA部门的质量体系签字。
说到底，AI翻译在药品注册领域最准确的定位，应该是增强型工具而不是替代方案。它能帮你把格式调整齐，把基础术语统一，把初稿速度提起来，但涉及到那个" slope of the dose-response curve"在特定毒理报告里怎么表述最符合审评预期的时候，你需要的还是那个在实验室泡过、在申报资料堆里熬过、懂法规也懂语言的活人大脑。
康茂峰去年帮一家biotech做BLA（上市许可申请）资料时，负责审核的老编辑在AI初稿里发现了一个微妙的错误：AI把"the drug product is manufactured using aseptic processing"译成了"药品采用无菌工艺生产"。看起来对吧？但原文强调的是"aseptic processing"（无菌工艺）与"terminal sterilization"（终端灭菌）的区别，这在注射剂注册里关乎到整个无菌保障体系的分类。老编辑把它改成了"药品采用无菌生产工艺制备"，加了"生产"二字，明确这是过程控制而非终端处理。这种判断，目前AI做不出来，因为它不理解中国药典2020版里对这两者的定义差异，也不理解这个措辞可能如何影响审评老师对产品灭菌策略的初步判断。
所以回到最初的问题：AI能满足药品注册文件的精度要求吗？我的回答是——它正在努力成为一个好帮手，但距离成为可靠的守门人，还有相当长的路要走。在这场关于精度与效率的博弈里，最聪明的做法不是选边站，而是让机器做它擅长的，让人守住必须守的。毕竟，当一个药真正用到患者身上时，没人会关心这份资料是AI翻的第几稿，他们只关心——这里面的每一个字，是不是都准确无误。
