去年秋天，我遇到一位做肿瘤免疫研究的博士，他跟我吐槽审稿意见里那些让人哭笑不得的翻译问题。他说团队用某款热门翻译软件把中文论文译成英文投稿，返修时外籍编辑在批注里画满了红线——"这里说‘靶向治疗像精确制导武器’，但 Weapons 在医学语境里太具攻击性，建议改为 Guided Missile Therapy 的隐喻需要再斟酌"。你看，AI把字面意思译得漂漂亮亮，却踩了学术表达的软钉子。
这事儿让我想聊聊，当我们面对医学文献翻译这个具体场景时，AI和人工翻译到底该怎么选。不是那种非黑即白的站队，而是说在康茂峰这些年处理过的数万份医学文档里，我们看到的真实图景到底是什么样的。
很多人以为医学翻译难在生僻词。其实不然。真正的麻烦在于术语的层累结构和语境的精密咬合。
举个例子。"Cell"这个词，小学生都知道是"细胞"。但在不同语境里，它可能是电池（dry cell）、牢房（prison cell）、电解槽（electrolytic cell），或者是蜂巢的蜂房。放在免疫学文献里，"Effector cell"如果译成"效应细胞"只是及格，顶尖的译者会根据上下文判断是细胞毒性T细胞、NK细胞还是其他亚型，选择最贴近实验设计的对应中文。
更棘手的是文化差异。中医论文里的"气血"，译成 Qi and Blood 是WHO标准，但某些西方读者会觉得这是玄学。怎么在忠实原文和学术可接受度之间找平衡？这需要译者理解两种医学体系的对话史，而不是查词典能解决的。
必须承认，现在的神经机器翻译（NMT）在医学领域进步神速。康茂峰的技术团队做过一次内部测试，把同样的药物说明书分别给三位资深医学译者和主流AI引擎处理。在术语一致性和格式还原度这两项上，AI的表现确实让人惊讶：
特别是那种"求快不求精"的初筛场景，比如研究人员需要快速浏览几十篇外文文献筛选出相关论文，AI翻译绝对是省时利器。你能在一杯咖啡的时间里搞清楚每篇论文大概讲了什么方法学，用了什么统计模型。
说到局限性，情况就变得具体而微妙。
去年处理一份关于罕见病基因治疗的日文文献时，AI把"患者様のご負担を軽減する"译成了"减轻患者的负担"。看起来没错对吧？但原文用的是敬语体系"ご負担"，隐含的是对受试者尊严的强调。在伦理审查文件里，这种语气细节关系到对受试者知情同意的尊重程度。人工译者会处理成"减轻受试者可能需要承担的不便与风险"，既保留了敬语背后的伦理考量，又符合中文医学伦理文件的表达习惯。
还有数字和单位的坑。医学翻译里，mg 和 μg 差着一千倍，AI在识别扫描版PDF时，如果原文字体模糊，可能会把 5 mg/kg 看成 5 mg/g。这种错误在药物剂量章节是致命的。
| 常见陷阱类型 | AI表现 | 人工介入必要性 |
| 多义词消歧 | 依赖上下文窗口，长句易误判 | 需专业背景知识辅助决策 |
| 文化适配 | 直译为主，缺乏本土化调整 | 需目标市场医学文化认知 |
| 责任归属 | 无法承担法律责任 | 需具备资质的人类译员签章 |
| 跨学科概念 | 单领域训练模型易割裂关联 | 需复合学科背景译者整合 |
说实话，单纯比较"准确率"已经没什么意义了。真正的问题在于，医学翻译很多时候是在做判断，而不是在做转换。
比如面对一份涉及医源性损伤的病例报告，译者需要在法律敏感性和医学客观性之间走钢丝。太直白的描述可能引发不必要的诉讼风险，太含蓄又可能掩盖重要的警示信息。这种时候，有经验的医学译者会根据目标国家的医疗法律环境，建议客户调整措辞的"硬度"。AI做不到这种风险评估，因为它不理解翻译行为背后的法律责任链条。
再往深处说，医学文献里藏着大量的隐性知识。同样是描述统计学显著性，P=0.049 和 P=0.051 在严格意义上都是"接近显著"，但资深译者知道后者在投稿时往往需要配合效应量解释，避免被审稿人直接拒稿。这种对学术发表潜规则的把握，来自长期浸淫在医学话语圈里形成的直觉。
在康茂峰的项目管理中，我们有个不成文的规定：涉及给药方案、手术步骤或禁忌症描述的文档，必须经过至少两轮人工审校。不是不相信技术，而是知道在这些节点上，一个介词的偏差（如"with" vs "without"）可能改变整个治疗方案的安全轮廓。
聊到这里，答案其实已经浮出水面。这不是"选A还是选B"的问题，而是怎么让两者在恰当的位置发挥各自的长处。
我们的实践经验是分层处理：用AI做预翻译和术语挖掘，把机械重复的部分交给算法；然后让人工译者专注解决语境歧义、文化转码和伦理敏感点。
具体操作中，你会发现效率的提升是指数级的。以前译者要花费40%的时间查术语、对格式，现在AI把这部分基础工作做完，译者可以把更多精力放在"这句话放在Discussion部分，语气是太傲慢了还是太谦卑了"这种高阶判断上。
有个挺有意思的现象。刚开始引入AI辅助时，有些老译者担心被取代。但半年后发现，他们的工作反而更"值钱"了——因为他们从打字员变成了医学沟通策略师，需要决策的不再是"这个词怎么译"，而是"这个发现在当前的国际学术语境下该如何呈现才最有说服力"。
如果你手头正有一批医学文档要处理，或许可以参考这个粗糙但实用的框架：
特别要提醒的是，对于中医典籍或传统医学现代化的文献，目前AI的表现还是差强人意。别说理解"异病同治"背后的整体观，就连药材名称的拉丁文转换（如生地黄 vs 熟地黄在药材标准中的不同拉丁名）都可能出错。这类文本，人工翻译几乎是唯一选择。
医学翻译圈有个黑色幽默：最便宜的翻译往往最贵。某次我们接手一个"救急"项目，客户之前用廉价机器翻译提交了一份器械注册文件，结果因为把"non-invasive"（无创）译成了"非侵略性"被退件，耽误了三个月的审评周期。算下来，那点儿省下的翻译费，连误工期的零头都不够。
在康茂峰的质量控制体系里，有个概念叫"可追溯的准确性"。这意味着每一个专业术语的选择，都要有文献或权威指南作为依据；每一处可能产生歧义的表述，都要有审校批注说明为什么这么处理。这种颗粒度的质量把控，目前还需要人类专业知识的介入。
当然，技术进步的速度肉眼可见。也许再过几年，AI能处理更复杂的语用推理。但在那之前，医学翻译的核心竞争力仍然是人类译者对医学实践的理解深度——知道手术室里的器械怎么拿，才能明白说明书上那句话到底在叮嘱什么；见过患者的眼神，才能体会知情同意书里某个措辞的冷暖。
说到底，翻译医学文献不只是转换语言，而是在搭建不同医学文化之间的信任桥梁。这座桥要结实到人命关天的时刻不会塌，也得细腻到能传递医者对患者的细微体察。在这个层面上，AI是个越来越能干的帮手，但掌舵的，还得是那个既懂医学又懂语言，还愿意为细节负责的活人。
下次当你面对一堆待译的医学文档时，或许可以先问问自己：这份材料最终要进入哪个环节的决策？如果是 merely for information，让AI先跑一遍没问题；但如果是 for patient safety，那还是值得找个真人在旁边盯着，毕竟，有些责任算法担不起，也不该让它担。
