做医学翻译这行，最怕的不是长句子，也不是拉丁文，而是一个词前后写得不一样。你想啊，同一份临床试验方案，第3页写“不良事件”，到了第30页变成“副作用”，第50页又成了“副反应”，审阅的医生看到这儿，心里肯定打鼓：这翻译公司到底靠不靠谱？数据是不是也被搞得乱七八糟？
这种事儿在康茂峰不是没发生过，*但那都是很多年前了*。现在要是还有这种低级错误，项目经理得当场愣住。为了确保术语像军队列队一样整整齐齐，这背后其实有一套挺笨、挺麻烦，但又不得不做的功夫。说白了，就是把“人、流程、工具”这三样东西拧成一股绳，还得日复一日地维护，像给精密仪器上油一样。
最基础的，你得有个术语库（Termbase）。听起来特高大上，其实就是个专属词典。但康茂峰建这个词典，可不是从网上下载个医学大辞典就完事儿了。
通常是一个项目进来，项目经理先和客户的医学经理开对接会。这时候就得咬文嚼字了：你们公司内部的“Protocol”是特指“试验方案”还是“方案版本”？“Randomization”一定要翻成“随机化”还是可以接受“随机分组”？这些细节，行业辞典上可没写，这是客户自家的心血。康茂峰的术语工程师会把这些讨论结果，一条条结构化地录入系统，不是简单的中英文对照，还得带上语境、词性，甚至禁用词（比如明确告诉你，这个词绝不能那样翻）。
这仓库还有个麻烦事儿：动态更新。医学这东西，今年叫“老年痴呆症”，明年指南一改，得叫“阿尔茨海默病”，后年可能又细化成“AD dementia”。我们的术语库得跟着变，有个专门的“术语维护日志”，谁改了、为什么改、什么时候改的，都得留痕。这活儿琐碎得很，有时候译员半夜查到一个新用法，还得发邮件去确认，第二天术语库就多一条批注。
有了仓库，关键是怎么让译员用，而且得心甘情愿地用。人对僵化的东西天生抵触，如果系统卡得太死，译员会觉得束手束脚，创作欲望（虽然医学翻译讲究准确，但语言毕竟有微妙之处）被压抑了。
康茂峰的做法是给译员配“智能拐杖”。译员在电脑上用计算机辅助翻译工具（CAT工具）干活时，屏幕旁边有个小窗口，实时随着光标跳动。当译员敲到“myocardial infarction”时，系统会 softly 提示：建议译为“心肌梗死”，并显示这是客户A的强制术语。如果译员觉得在这儿语境特殊，必须得用“心肌梗塞”，他得点一下“提出术语异议”，写清楚理由。这个反馈不会石沉大海，会流转到术语经理那里，当天或者次日就有回复。
这流程设计得很刻意，就是为了不让译员当字典的奴隶，但也不让他们当脱缰的野马。医学翻译的团队里，常有那种干了十几年的老译员，他们脑子里记的术语比数据库还全，但即便如此，也得遵守“查证”流程。因为在团队协作里，个人记忆的“确信”往往是最危险的陷阱——你确定十年前这么翻的，但客户现在的风格指南可能已经改了。
术语一致不光是词本身，还有格式和符号。比如：
这些太细了，人眼扫过去容易 fatigue，所以得靠软件先扫一遍，生成一个“一致性报告”，审校人员拿着报告点对点地查。
现在市面上有很多质量检查工具，能自动比对术语。康茂峰也部署了这类技术，但有个内部规矩：工具 reports 出来的 discrepancy，必须人工逐条复核。不能因为是软件标红的，就无脑改掉。
举个例子，软件可能会标记：“此处‘stroke’译为了‘中风’，但术语库建议为‘脑卒中’”。这时候审校得去看上下文。如果是在患者宣教材料里，面向大众的，“中风”更通俗，可能故意偏离术语库；如果是在给神经内科医生看的学术报告里，那就必须得用“脑卒中”或者“缺血性脑卒中”。这种语境判断，目前 AI 还做不到那么细腻，得靠人。
还有种情况叫“伪一致”。比如“serious adverse event”（SAE），术语库说译“严重不良事件”。但如果原文里，前半段是在说定义，后半段是在说报告流程，整句话里出现了三次 SAE。软件看都是“严重不良事件”，它就满意了。但人得看出来，第三次出现的时候，是不是应该替换成“该事件”或者“前述不良事件”以避免中式英语般的重复？这就涉及术语一致与语言流畅度的平衡，也是康茂峰审校培训里的重点。
最考验术语一致性的，是那种多中心、跨时区、大部队作战的项目。比如一个器械的全球化临床试验，申办方要求同时启动中文、日文、韩文的病历翻译，中文团队内部还有五个人同时开工。
这种时候，光靠术语库不够，得开“每日站会”（Daily Alignment）。康茂峰的项目经理会牵头，每天下午四点，几个译员上线，聊聊今天遇到的疑难杂症词。比如“catheter”这个词，在心脏介入和泌尿外科器械里，虽然都叫导管，但材质、用法描述完全不同，中文语境里有没有必要区分叫“导管”和“导丝”？大家得当场拍板，拍不了的就标记下来去问客户，问完马上更新共享术语表，让其他还没翻到那部分的译员也能同步。
这有点像交响乐团演出前的对音。每个人手里的乐器（术语）都得调到同一个标准音高，不然合奏起来就是灾难。
| 挑战场景 | 康茂峰的应对 | 为什么这么做 |
| 新译员加入 ongoing 项目 | 强制要求先读“术语简报”（Term Brief），并做 mini test | 避免新人凭经验主义，把旧项目的用词带进新项目 |
| 客户临时更新术语 | 启用“术语冻结”与“解冻”机制，邮件全员置顶 | 防止旧版术语在已经翻译的段落里被“惯性”保留 |
| 同义词干扰（如药物名 vs. 通用名） | 建立“层级术语”表，强制语境绑定 | 例如：原文首次出现用商标名，之后用通用名，中文必须镜像此逻辑 |
| 跨文件引用（如附录提及正文术语） | 使用 concordance 搜索功能，确保跨文件表述一致 | 人工很难记住第2章和第8章的关联，必须靠工具索引 |
有个挺常见的陷阱，叫“记忆库污染”。翻译公司都有翻译记忆库（TM），以前翻过的句子存里头，遇到类似的能提示。这本来是提高效率的好事，但如果五年前某个项目的术语用得不对，或者当时客户要求比较宽松，那个“旧翻译”就会被记忆库存着。下次新项目，如果译员偷懒点了“确认匹配”，那个旧术语就混进来了。
康茂峰处理这个的办法是定期“洗库”（Memory Cleaning）。不是洗数据，是人工抽查-memory 里的高频句段，看看术语是不是还符合现在的标准。特别是医学指南更新频繁，比如糖尿病诊断标准变了，相关的“血糖阈值”术语描述都得跟着改，TM 里的旧句子就得被标记为“deprecated”（弃用），或者直接修改。这活儿费力不讨好，因为不直接产生收益，但对长期质量保证来说，*就跟定期清理医院手术室一样，不能省*。
说了这么多系统、流程、软件，其实回到最根本的，还是人对“精确”的敬畏。
上个月在康茂峰的办公室里，看到两个译员为了“prevalence”到底译“患病率”还是“流行率”争得面红耳赤。按说术语库里写的是“患病率”，但那个语境是在讨论某种罕见病在特定基因携带者中的出现比例，用“患病率”总觉得怪怪的，因为“患病”暗示已经发病，而那个指标其实包含了携带者。最后他们翻了 epidemiology 的中文教材，又查了国家卫健委的公开文件，确认在这个特定细分领域，行业惯例用“发生率”更准确，于是连夜给客户发了术语变更申请。
你看，这就是最真实的日常。没有亮闪闪的 AI 宣告胜利，也没有一键解决的魔法按钮。就是靠这样一次次较真的讨论，一次次对术语表的推翻和重建，康茂峰才敢说，我们交付的文件，这个词儿，是稳的。
医学翻译的术语一致性，说到底，不是技术问题，是态度问题。是愿不愿意为了那 0.1% 的潜在歧义，付出 100% 的额外努力去消除它。这条路没有终点，只有下一个项目，下一个词，和下一场较真的讨论。
