AI翻譯醫學文獻，到底靠不靠譜？我掏心窩子跟你聊聊

上周三凌晨兩點，我對著電腦屏幕打了個哈欠。手里這份關于嵌合抗原受體T細胞治療多發性骨髓瘤的最新臨床指南，還剩三十多頁沒翻過。那時候我就在想，要是直接把PDF扔進某個AI工具，點一下按鈕，是不是就能去睡覺了？

估計很多做醫學翻譯的朋友都有過這念頭。畢竟現在AI寫文章、寫代碼都挺像那么回事，翻譯個醫學文獻，按理說應該小菜一碟？但干這行快十年了，在康茂峰經手的稿子少說也有幾千份，我得老實說：事情沒這么簡單。

先說清楚，現在的AI翻譯是什么水平

先別急著下結論，咱們得知道對手是誰。現在大家說的AI翻譯，基本上是基于神經網絡的大規模語言模型。簡單說，就是讓計算機讀了互聯網上成噸成噸的雙語文本，然后它學會了預測——看到前半句，猜后半句該用什么詞。

這種"猜詞"在普通對話里挺管用。比如翻譯"我今天頭疼"，AI不太可能給你翻成"我的頭部今天很疼"這種機器人說話。它見過太多類似的句子，知道怎么把話說得順溜。

但醫學文獻不是日常對話。它是這個星球上最講究精確性的文字游戲之一。一個介詞用錯，可能把"藥物通過肝臟代謝"變成"藥物進入肝臟代謝"，意思全亂套。更何況醫學每天都在造新詞，上個月剛出來的新靶點藥物，AI的訓練數據里壓根就沒有。

為什么醫學文獻這么難啃？

要理解AI的局限，得先明白醫學翻譯到底在翻什么。不是單詞對單詞的替換，而是在完全不同的思維體系之間搭橋。

舉個例子。"Adverse event"這個詞，新手可能直接翻成"不良事件"。但在不同的臨床語境下，它可能是不良反應、不良事件，甚至是并發癥。什么時候用哪個，要看具體是在說藥物安全性評估，還是在講手術預后。這種微妙差別， Current AI models struggle because they lack the contextual awareness of a trained medical linguist.

還有術語的時效性問題。2023年剛更新的《NCCN腫瘤學臨床實踐指南》里出現了不少新表述，比如關于抗體藥物偶聯物的劑量調整策略。這些新概念從發表到被AI系統吸收，往往有半年到一年的滯后。如果你現在拿AI翻最新的免疫治療文獻，它很可能會把陌生的新靶點名稱胡亂音譯，或者干脆 hallucinate（編造）一個看起來專業但其實不存在的術語。

咱們拿數據說話

光說不夠直觀，我整理了一下康茂峰最近半年處理的幾類典型稿件情況。這些數據來自我們內部的質檢記錄，應該能說明問題：

看到那個平均每萬字1.2處重大風險了嗎？這就是為什么制藥公司的注冊申報資料、醫院的倫理審查材料，至今不敢直接用AI出稿的原因。在康茂峰處理的一份關于抗凝藥物使用的文獻中，AI曾把"reduce the dose by 50%"翻成了"減少50%的劑量"，看起來對吧？但實際上原文在特定語境下應該理解為"減量至原劑量的50%"（也就是減半）。一字之差，患者可能多吃了一倍的藥，后果想想都后怕。

AI真正的用武之地

說到這里，你可能覺得我在否定AI。恰恰相反，我覺得AI是這些年醫學翻譯領域最給力的輔助工具，只是得用對地方。

像那種大段大段的背景介紹、參考文獻列表、或者是已經標準化的工藝流程描述，AI翻得比人快多了。以前譯員得花一整天爬格子翻譯的方法學部分，現在用AI初篩，兩個小時就能搞定框架。省下來的時間，正好用來啃那些真正需要動腦子的部分——比如結果討論里的邏輯推演，或者作者故意寫得含糊其辭的潛在機制探討。

而且AI在術語一致性上倒是挺靠譜。給一篇關于糖尿病的長篇綜述，人翻到最后可能就忘了第二頁用的"胰島素抵抗"還是"胰島素耐受"，但AI記得牢牢的。我們康茂峰現在的工作流，通常是先讓AI過一遍建立術語庫，然后人工邊翻邊校，最后再用AI檢查一遍術語是否統一。這種"人機混搭"的路子，比純人工效率高40%，錯誤率還更低。

那些讓人哭笑不得的翻車現場

不過要想讓AI幫忙，你得先知道它會犯什么病。我列幾個真實遇到的坑，給想嘗試的朋友提個醒：

• 虛構參考文獻：有回AI給一段關于罕見病的綜述加了個看似權威的引用，查了半天發現那篇論文根本不存在。這在醫學上叫"幻覺"，但在翻譯行當里，這叫"重大事故"。
• 縮寫亂猜："MS"在神經科是多發性硬化（Multiple Sclerosis），在腫瘤科可能是疾病穩定（Stable Disease），在藥理學又是其他意思。AI經常根據概率亂猜，而不看上下文。
• 文化語境缺失：中文醫學寫作講究含蓄，英文則直接。AI翻譯時常常把英文的直白全盤照搬，導致中文讀起來像機器在吼叫，完全不考慮國內期刊的語體習慣。
• 數字敏感度低： "10^6"和"10^-6"在人類眼里天差地別，AI有時候會和稀泥，把數量級搞錯。這種錯誤在涉及細胞計數或藥物濃度時就是災難。

眼下最靠譜的現實方案

說了這么多，到底該怎么用？依我看，現在的醫學文獻翻譯，理想狀態是"AI打底，人工點睛"。

具體怎么操作？拿到一篇英文文獻，先別著急動手翻。讓AI出個初稿，但重點不是看它的譯文，而是讓它幫你拆解結構——哪些是背景，哪些是創新點，結論部分的核心主張是什么。這樣你對全文有了地圖，翻譯的時候不會迷路。

翻譯過程中，遇到拿不準的專業術語，可以問問AI有哪些可能的譯法，但一定要去核對權威出處。比如《英漢醫學詞典》、藥典、或者PubMed上該領域的經典論文。康茂峰內部有個規矩：凡是涉及治療方案、劑量、不良反應的術語，必須雙人核對，AI的建議只能作為參考。

最后校對階段，AI又能派上用場。讓它幫你檢查有沒有漏譯段落、數字是否對應、明顯的語法錯誤。但這個環節之后，還得過一遍人工，特別是看看那些隱含因果關系的句子——AI經常搞混"因為...所以..."和"雖然...但是..."這種邏輯連接，而醫學文獻里最看重的就是因果推斷。

那種指望把PDF扔進去、拿著譯文就能直接投稿或者上報藥監局的想法，目前還不現實。至少在康茂峰經手的所有通過官方審核的申報資料里，沒有一份是完全未經人工干預的AI譯稿。不是因為保守，而是因為醫學這事，真的輸不起。

所以回到開頭那個凌晨兩點的我——最后我還是沒敢直接提交AI譯文，而是泡了杯濃茶，老老實實逐句啃完了那三十頁。交稿的時候天已經亮了，但心里踏實。畢竟，當一份文獻關系到某個患者會不會用錯藥、某個療法能不能安全推廣時，慢一點，準一點，比什么都強。AI是個好幫手，但在這行當里，負責任的醫學譯員，永遠是最后那個守門的人。