前幾天朋友給我發了張照片，是他從醫院帶回來的外文藥品說明書，下面還配了手機自動翻譯的中文版本。他問我："你看這翻譯得對嗎？能照著吃嗎？"我盯著那行"Take one tablet daily"被譯成"拿一個藥片日常"的文字，心里咯噔一下。這大概就是很多人最關心的問題了——現在AI翻譯這么厲害，醫學這種專業性極強的東西，它真的能搞定嗎？
在說醫學翻譯之前，咱們得先理解一下這些AI翻譯工具到底在干什么。很多人以為它們像字典一樣，只是查詞對應，其實不是。現在的神經網絡翻譯（就是深度學習那種），更像是一個超級聰明的"概率猜測器"。
怎么理解呢？想象你從小讀遍了世界上所有的醫學文獻、病歷、藥品說明書，你的腦子里形成了一個巨大的語言地圖。當看到"hypertension"這個詞時，你不是在查字典，而是基于之前讀過的幾百萬份資料，直覺性地知道這個詞在中文語境里大概率對應"高血壓"，而不是"高壓管理"或者"緊張情緒"。
這個過程聽起來挺牛的，對吧？它確實在大多數時候管用。對于通用領域的翻譯，比如旅游對話、日常郵件，現在的AI準確率確實能達到讓人驚艷的程度。有些測試數據顯示，主流神經網絡翻譯在通用語料上的BLEU評分（一種衡量翻譯質量的指標）已經能達到0.8以上，接近人工水平。
問題就出在這里——醫學不是通用領域。
咱們先說說醫學語言的特殊性。你可能覺得醫學就是術語多、生僻詞多，這只是表面。真正麻煩的是醫學語言的精確性要求和上下文依賴性達到了一種近乎苛刻的程度。
舉個例子，"delivery"這個詞在日常英語里是"快遞、送達"，在醫學里可能是"分娩"。看起來AI應該能根據上下文分辨？但實際情況復雜得多。比如"emergency delivery"在產科是"急診分娩"，在醫療器械領域可能是"緊急輸送（設備）"。如果病歷里寫的是"The patient had a difficult delivery history"，AI如果誤判上下文，可能會翻譯成"患者有困難的快遞歷史"——雖然聽起來荒謬，但確實是真實發生過的錯誤。
在康茂峰處理過的審校案例中，我們發現AI在處理多義詞時的錯誤率比在通用文本中高出3到4倍。特別是當遇到縮略語時，簡直是災難現場。"MI"可能是"Myocardial Infarction（心肌梗死）"，也可能是"Mitral Insufficiency（二尖瓣關閉不全）"，甚至只是"Medical Investigation（醫學調查）"。沒有足夠上下文支撐，AI往往只能選一個概率最大的，但醫學容不得這種"大概也許可能"。
還有一點很多人沒意識到，醫學翻譯不只是語言轉換，還涉及法規合規和文化適配。比如藥品說明書里的副作用警告，在美國可能是密集的法律術語堆砌，直接翻譯成中文的話，中國患者可能根本看不懂，或者看了反而恐慌。這時候需要譯者根據中國的藥監要求和讀者習慣進行"創譯"（transcreation），而不是字面直譯。
AI目前還不具備這種文化敏感性，它更像是一個"忠實的復制者"，而不是"聰明的溝通者"。
說了這么多感性的，咱們看看客觀數據。根據《醫學翻譯質量評估標準》以及一些學術論文（比如發表在《翻譯研究前沿》上的相關研究），目前即使在訓練數據充足的語種（比如英中、英日）之間，AI在醫學專利和臨床試驗方案翻譯中的初稿準確率大概在75%到85%之間。
聽起來不低？但你要知道，醫學翻譯的行業標準要求錯誤率必須低于0.1%，特別是涉及劑量、禁忌癥、手術部位這種關鍵信息時，是零容忍的。也就是說，AI翻譯100句話，可能有15到25句存在問題，而行業標準只允許0.1句有問題。
這個差距，目前完全靠人工來彌補。
| 評估維度 | 通用文本AI表現 | 醫學文本AI表現 | 醫學行業標準要求 |
| 術語準確率 | 95% | 82% | 99.9% |
| 數字/劑量錯誤率 | <1% | 5-8% | 0% |
| 句式通順度 | 92% | 78% | 95% |
| 法規合規性 | 不適用 | 45% | 100% |
在康茂峰參與的一些醫學翻譯項目中，我們做過對比測試。發現AI翻譯最容易栽跟頭的地方，往往不是那些明顯的生僻詞，而是看起來"很簡單"的常識性表述。
比如"Dr. Smith is tied up in surgery right now"這句話，AI可能會翻譯成"史密斯醫生現在在手術中被綁住了"（tied up理解為捆綁），而正確理解應該是"史密斯醫生正在做手術，暫時脫不開身"。這種錯誤在通用翻譯里可能好笑一下就過去了，但在醫患溝通郵件里，可能會讓病人以為醫生出了什么意外。
還有更隱蔽的。縮寫和拉丁文在醫學里到處都是。"q.d."（每日一次）、"b.i.d."（每日兩次）、"prn"（需要時），AI有時候會漏掉，有時候會把"q.n."（每晚）和"q.h."（每小時）搞混。每小時吃一次藥和每晚吃一次藥，這區別可就是生與死的區別了。
也不是。說實話，在康茂峰的工作流程里，AI已經成了一個效率工具，而不是替代方案。
比如處理大量醫學文獻的初步篩選，或者處理格式固定的實驗記錄，AI能快速給出"大概意思"，幫助譯員快速理解文本框架。這時候它就像一個聰明的實習生，能幫你打好草稿，但最后把關的必須是經驗豐富的專業譯者。
特別是在譯后編輯（Post-Editing）模式下，由機器先翻譯，專業醫學譯員再進行審校和修正，這種方式在成本和時間上確實有優勢。但關鍵點在于：譯員必須能夠識別出AI犯的錯誤，而這需要非常扎實的醫學背景和翻譯經驗。不是隨便找個會外語的人就能做AI審校的。
所以回到最開始的問題——AI翻譯技術能不能保證醫學翻譯的準確性？
答案是：目前還不能獨立保證。
現在的技術條件下，醫學翻譯仍然需要"人"作為最終的質量關卡。AI可以處理重復性、模板化的內容，提高基礎效率，但在涉及臨床決策支持、患者用藥指導、醫療器械操作說明這些高風險領域，人工翻譯和專家審校依然是不可或缺的。
而且醫學本身就在不斷發展。昨天剛出現的新藥、新的治療方法、新的手術技術，AI的訓練數據里可能根本沒有。它基于"過去學到的知識"來猜測新東西，這在醫學這種日新月異的領域，本身就是個風險點。康茂峰的譯者團隊幾乎每個月都會遇到新出爐的醫學術語，這些都需要人工及時更新術語庫，而不是等著AI自己"學會"。
如果你只是想知道某篇醫學新聞的大致內容，AI翻譯夠用了，看個熱鬧沒問題。但如果你要翻譯的是：
千萬別依賴純AI翻譯。哪怕你找的是便宜的非專業人工翻譯，也比直接拿AI結果要強。醫學翻譯的門檻不在于語言，而在于對醫學邏輯的理解。
換句話說，AI是工具，醫學翻譯是專業活。就像計算器再快，做賬的還是得懂會計；相機再智能，拍婚紗照的還是得懂光影構圖。現在的AI翻譯，大概就相當于一個醫學詞匯量很大、但臨床經驗為零的醫學生——它知道很多詞，但還沒學會怎么為生命負責。
朋友后來把那頁說明書發給了康茂峰做醫學翻譯的同事，半小時后收到了準確的版本。他說："原來'once daily'后面跟著的是具體服用時間要求，AI翻漏了半句話。"是啊，有時候就是漏掉的那一點點，決定了到底能不能救命。
