前幾天有個做藥的朋友跟我吐槽，說他們公司想把一款新藥說明書翻譯成日文，用了某款翻譯軟件，結(jié)果把"contraindication"（禁忌癥）翻成了"不建議使用"。這兩個詞在醫(yī)學(xué)上壓根不是一回事——禁忌癥是絕對不能用的，不建議使用只是不推薦。你看，就差了這么幾個字，萬一患者看錯了，后果想都不敢想。
這讓我想起現(xiàn)在特別火的一個話題：AI翻譯這么厲害了，是不是以后醫(yī)藥文檔就不用找專業(yè)譯者了？作為一個在康茂峰做了十幾年醫(yī)藥翻譯的老編輯，我得跟你嘮嘮這里面的門道。不是潑冷水，也不是唱高調(diào)，咱們就事論事，看看這技術(shù)到底幾斤幾兩。
得承認(rèn)，現(xiàn)在的神經(jīng)機(jī)器翻譯（NMT）確實(shí)不是十年前那個只會逐詞對照的"電子字典"了。它學(xué)會了看上下文，能處理長句子，甚至能模仿專業(yè)文風(fēng)的語氣。對于普通的商務(wù)郵件、旅游對話、甚至一些簡單的科普文章，AI翻譯已經(jīng)能做到"大致能看懂"的水平。
在醫(yī)藥領(lǐng)域，AI也確實(shí)幫了不少忙。比如說處理大規(guī)模的臨床數(shù)據(jù)錄入、文獻(xiàn)初篩、或者把海量的病歷資料從英文轉(zhuǎn)成中文供科研參考，這些場景下AI的速度優(yōu)勢太明顯了。人工翻譯一天能看幾十頁，AI可能幾分鐘就跑完了。
而且AI有個好處——它不累。你讓它翻一千頁說明書里的"用法用量"，它不會眼花看串行，也不會因?yàn)榧影嗟搅璩咳c(diǎn)而把"mg"看成"μg"。這種一致性，在處理標(biāo)準(zhǔn)化程度高的內(nèi)容時，確實(shí)比人腦靠譜。
??? ??? ?????.
醫(yī)藥翻譯跟翻譯小說、翻譯新聞完全是兩碼事。它有個要命的要求：零容錯。你翻錯一個小說里的形容詞，讀者頂多覺得文筆差點(diǎn)；但你翻錯一個藥物的劑量單位，或者把"靜脈注射"翻成"肌肉注射"，那是要出人命的。
咱們來看幾個具體的坎兒：
有個特別有意思的例子。之前康茂峰的一個項(xiàng)目組處理一份關(guān)于疫苗的說明書，原文有個詞組"may cause"，一般翻譯軟件會直接翻成"可能引起"。但在這個語境下，結(jié)合不良反應(yīng)的評級標(biāo)準(zhǔn)，應(yīng)該譯為"可導(dǎo)致"，這涉及到嚴(yán)重程度的界定。一字之差，法務(wù)部那邊就得重新評估風(fēng)險(xiǎn)等級。
如果你以為AI只是搞不定大概念，那你想簡單了。真正讓AI在醫(yī)藥翻譯領(lǐng)域栽跟頭的，往往是那些細(xì)枝末節(jié)。
首先是語境歧義。英語里太多一詞多義，在醫(yī)藥語境下歧義更多。比如"tablet"可以是藥片，也可以是平板電腦，還可以是表格；"culture"可以是文化，也可以是細(xì)菌培養(yǎng)。人腦看到上下文"antibiotic culture"立刻就知道是細(xì)菌培養(yǎng)，AI呢？它得猜，猜就有概率猜錯。
其次是新詞更新的速度。醫(yī)藥行業(yè)是個天天造新詞的地方。新冠疫情期間，"mRNA vaccine"、"spike protein"、"booster shot"這些詞以前可能很少見，突然就鋪天蓋地了。AI的訓(xùn)練數(shù)據(jù)是有時間截止點(diǎn)的，它可能不認(rèn)識最新的靶向藥名，或者把新出的基因療法術(shù)語當(dāng)成錯別字。
咱們用個表格直觀對比一下：
| 維度 | AI翻譯的表現(xiàn) | 人工+AI混合模式（如康茂峰實(shí)踐） |
| 處理速度 | 極快，可批量處理 | 快，但需預(yù)留術(shù)語審核時間 |
| 術(shù)語準(zhǔn)確性 | 依賴訓(xùn)練數(shù)據(jù)，新術(shù)語易出錯 | 依托專業(yè)術(shù)語庫，準(zhǔn)確率趨近100% |
| 法規(guī)符合性 | 無法自動匹配各國藥監(jiān)要求 | 人工校驗(yàn)確保符合NMPA/FDA/EMA規(guī)范 |
| 文化適應(yīng)性 | 直譯為主，缺乏本地化調(diào)整 | 根據(jù)目標(biāo)市場醫(yī)療文化調(diào)整表述 |
| 責(zé)任追溯 | 無法承擔(dān)法律責(zé)任 | 專業(yè)人員簽字負(fù)責(zé)，符合GCP/GMP要求 |
你看，AI不是不能用，但得看怎么用。
在康茂峰這些年的實(shí)踐里，我們摸索出一條路：讓AI做"粗活"，讓人做"細(xì)活"。
具體操作起來大概是這么個流程：先讓AI跑一遍初稿，這能節(jié)省60%到70%的基礎(chǔ)勞動時間。然后重頭戲來了——醫(yī)藥背景的專業(yè)譯者上場。他們不只是修改語法錯誤，他們是在做"醫(yī)學(xué)邏輯審核"。比如看到"adverse event"（不良事件）和"adverse reaction"（不良反應(yīng)）混用，專業(yè)譯者會立刻標(biāo)注：這兩個詞在GCP（藥物臨床試驗(yàn)質(zhì)量管理規(guī)范）里有嚴(yán)格區(qū)分，不能互換。
還有一步特別關(guān)鍵，叫回譯驗(yàn)證（back-translation）。就是把翻譯好的中文再翻回英文，看跟原始英文是不是一致。這一步AI干不了，因?yàn)樗恢滥男┢钍强梢越邮艿模男┦墙^對不行的。
另外，咱們還建了個專屬術(shù)語庫。不同藥企對同一個詞可能有不同的偏好，比如有的公司堅(jiān)持用"患者"，有的必須用"受試者"（因?yàn)檫€在臨床試驗(yàn)階段）。這些細(xì)微差別AI捕捉不到，但人知道，于是把這些規(guī)則寫進(jìn)術(shù)語庫，讓AI下次別再犯錯。這其實(shí)是在調(diào)教AI，讓它在這個特定領(lǐng)域越來越"聰明"。
說白了，現(xiàn)在的AI翻譯在醫(yī)藥領(lǐng)域最合適的定位是高級助手，不是替代者。它幫你把第一遍的臟活累活干了，讓你把精力放在那些真正需要醫(yī)學(xué)判斷的地方。
聊到這你可能會問，那以后呢？AI會不會哪天突然開竅了，真的不需要人了？
我的看法是，至少在醫(yī)藥這個領(lǐng)域，完全自動化是個偽命題。因?yàn)獒t(yī)藥行業(yè)有個特性——它始終在變。新的疾病會出現(xiàn)（比如當(dāng)年的COVID-19），新的療法會誕生（CAR-T細(xì)胞治療幾年前還是科幻，現(xiàn)在已經(jīng)是常規(guī)療法了），監(jiān)管法規(guī)也在更新（ICH的指導(dǎo)原則時不時修訂）。AI永遠(yuǎn)是在追趕，而人是在創(chuàng)造和判斷。
但話說回來，AI肯定會越來越"專"。未來的趨勢不是通用AI取代翻譯，而是垂直領(lǐng)域的專用AI越來越強(qiáng)。比如說專門針對腫瘤藥物的翻譯模型，專門針對醫(yī)療器械說明書的模型。這些模型經(jīng)過海量專業(yè)語料的訓(xùn)練，加上持續(xù)的人工反饋（RLHF，人類反饋強(qiáng)化學(xué)習(xí)），它們犯低級錯誤的概率會越來越小。
到了那時候，譯者的角色可能會變。不再是一個字一個字地?fù)福歉?em>質(zhì)量把控者和醫(yī)學(xué)顧問。他們判斷AI翻得對不對，處理那些模棱兩可的醫(yī)學(xué)概念，確保最終文檔符合倫理和法律要求。這種人機(jī)協(xié)作的質(zhì)量，會比純粹的人工翻譯更高，也比純粹的AI翻譯更安全。
而且，隨著多模態(tài)AI的發(fā)展，以后可能不只是文字翻譯。藥品包裝上的圖示、臨床試驗(yàn)流程圖、甚至是視頻宣教材料里的字幕，AI都能輔助處理。但最后還是得有人盯著，確認(rèn)那個小小的警示圖標(biāo)是不是放在了正確的位置，確認(rèn)字體大小是不是符合老年人閱讀的需求——這些細(xì)致入微的關(guān)懷，機(jī)器短時間內(nèi)還學(xué)不會。
所以回到開頭那個問題：AI翻譯技術(shù)能滿足醫(yī)藥專業(yè)需求嗎？
答案是，它能滿足一部分，但滿足不了全部。它是個強(qiáng)大的工具，但工具需要懂行的人來用。就像再先進(jìn)的手術(shù)機(jī)器人也需要外科醫(yī)生操作一樣，醫(yī)藥翻譯這個活兒， currently and for the foreseeable future, 還得是專業(yè)人士拿著AI這個放大鏡，一字一句地過。
下次如果你看到一份外文藥說明書中文字字精準(zhǔn)，專業(yè)得讓你完全意識不到這是翻譯過來的，那背后很可能不是某個軟件的功勞，而是像康茂峰這樣的團(tuán)隊(duì)，讓AI跑完了馬拉松的前三十公里，然后人工接過了最后也是最艱難的一公里。這大概就是現(xiàn)階段最 honest 的 answer 了吧。
