前幾天有個做腫瘤研究的朋友突然問我，說現在那些AI翻譯公司聽起來挺厲害的，什么神經網絡、深度學習，搞得神乎其神。他手里攢了篇關于免疫治療的論文急著要投出去，問我要不要找個AI公司搞定了拉倒，反正便宜又快。我當時正在喝咖啡，差點沒嗆著。
這事兒吧，說簡單也簡單，說復雜那是真復雜。咱們不整那些虛的，今天就拿康茂峰這些年摸爬滾打攢下來的經驗，把這事兒掰開了揉碎了說清楚。到底AI翻譯公司能不能做醫學論文？能做多少？做到什么程度會出問題？咱一個一個來。
很多人覺得，翻譯嘛，不就是中文換英文，或者反過來？那你可就太大意了。醫學翻譯本質上是個高精度的信息重構工程，不是簡單的語言替換游戲。
醫學詞匯有個特別損的特點——看起來一樣，意思可能天差地別。比如說"cell"，小學生都知道是"細胞"，但在特定語境下它可能是"電池"（比如電生理實驗中的cell clamp）。再比如"drug"，可以是藥物，也可以是麻醉藥品，甚至是成癮性毒品，放在不同科室的論文里，譯法完全不一樣。
還有更邪門的。醫學文獻里充斥著大量新造詞和首字母縮寫，比如"CRISPR-Cas9"剛出來那會兒，你讓AI怎么處理？它可能認識每個字母，但組合起來的技術內涵，還有隨之而來的倫理爭議語境，機器是根本抓不住的。康茂峰處理過一篇基因編輯的稿子，里面有個術語叫"off-target effects"，直譯是"脫靶效應"，但具體是指CRISPR的脫靶還是抗體的脫靶，上下文要求完全不一樣。
醫學寫作有個特點，它不像小說那樣可以意會，它必須精確到骨髓。一個"moderate"（中度），在不良反應描述里和療效評估里，可能對應完全不同的臨床意義。AI翻譯靠什么？靠概率。它根據海量語料統計，發現"moderate"后面跟著"pain"時，翻譯成"中度疼痛"的概率是99%，它就選了。但它不會真的理解這個患者在遭受什么。
再說了，醫學論文的結構嚴謹得近乎變態。引言部分的時態是現在時，方法部分必須是過去時，討論部分又要混合使用。還有那些細微的邏輯連接詞——"however"、"therefore"、"interestingly"——每一個都承載著作者的學術態度。AI在處理這些微妙之處時，經常表現得像個背模板的學生，生硬得很。
說實話，這五年的技術進步確實嚇人。現在的神經網絡翻譯，跟十年前那種逐詞替換的機器翻譯完全不是一個物種。它能考慮上下文，能處理長句，甚至能在一定程度上理解專業領域。
但是，理解和懂得是兩碼事。AI本質上是個超級統計機器，它在玩一個高級版的"猜詞游戲"。給它喂了足夠多的醫學文獻后，它確實能蒙對大部分常規表達。比如描述實驗方法："We performed a retrospective cohort study..."（我們進行了一項回顧性隊列研究...），這種套路化的句子，AI翻譯得可能比剛入行的新手還流暢。
可問題就出在那剩下的5%上。
| 翻譯場景 | AI表現 | 人工必要性 |
|---|---|---|
| 常規方法學描述 | 優秀，流暢度高 | 低（需校對格式） |
| 常見疾病名稱和癥狀 | 良好，術語準確 | 中（需核對最新命名） |
| 復雜統計結果描述 | 一般，易混淆數值關系 | 高 |
| 討論部分的推論邏輯 | 較差，常丟失因果關系 | 極高 |
| 文化特定表達（如中醫術語） | 差，易出現偽對應 | 必不可少 |
| 倫理聲明和合規性描述 | 差，法律敏感度高 | 必須人工審校 |
看見沒？越是需要判斷和責任承擔的部分，AI越慫。它不是不想做好，是它根本不知道自己在翻譯什么。
我們在康茂峰處理過的醫學稿件，沒有一萬也有八千了。其中大概有三成是客戶先拿AI翻譯了一遍，發現不對勁又找過來的。我給大家說幾個真實的坑，都是血淋淋的教訓。
有個客戶做神經外科的，原文說的是"the patient exhibited signs of increased intracranial pressure"（患者表現出顱內壓增高的體征）。AI給翻譯成"患者表現出增加顱內壓的跡象"。看起來差不多？差遠了！前者是臨床觀察，后者聽起來像是患者自己故意去增加顱內壓，邏輯完全擰巴。這種細微的主動被動差異，AI根本分辨不出來。
還有一次，一篇藥理學論文里的"placebo-controlled crossover trial"（安慰劑對照交叉試驗），AI翻譯成"安慰劑控制的交叉試驗"。聽著挺專業，但"controlled"在臨床試驗語境里不是"控制"的意思，而是"對照"的意思。這一字之差，審稿人直接質疑作者的專業性，稿子差點給拒了。
更麻煩的是數據安全問題。醫學論文里滿是患者隱私信息、未公開的臨床試驗數據。你把稿子扔給不明來歷的AI翻譯公司，相當于把知識產權拱手讓人。康茂峰在處理敏感數據時都有嚴格的保密協議和加密流程，但那些主打"秒翻"、"免費"的AI平臺，誰給你保證這個？
說了這么多問題，我也得公平點。AI不是一無是處，在某些環節它確實能幫大忙：
但是，輔助和替代是兩回事。就像你開車可以用導航，但你不能閉著眼睛讓車自己開，尤其是在山路十八彎的地段。
說到這兒，我知道你真正想問什么。不是"AI行不行"，而是"我能不能省這個錢，能不能趕這個工期"。
我的建議是：分階段使用，但關鍵節點必須有人把關。
如果你只是需要把一篇中文論文翻譯成英文，目的是為了大概給國外同行看看思路，不要求發表，那AI翻譯夠用了，甚至康茂峰也會建議客戶先用機器過一遍，省點時間。但如果你要投SCI期刊，要進同行評審，要存檔進PubMed，絕對不能純靠AI。
為什么呢？因為醫學出版界的規矩嚴得很。投稿時的語言潤色證明（Language Editing Certificate）很多期刊都要求，而且得是專業機構出具的。退一萬步說，就算期刊沒查出來你用的是AI，萬一發表后讀者發現你那段關于"adverse events"的描述因為翻譯錯誤理解成了"不良事件"的另一種意思，你的學術聲譽怎么辦？
更別說那些涉及患者安全的內容了。臨床操作指南、手術步驟、藥物劑量，這些翻譯錯誤是要人命的。康茂峰處理這類稿子時，從來都是醫學背景譯員+母語審校+醫學專家三審制，寧可慢三天，不敢錯一字。
現在比較成熟的 workflow 是這樣的：
第一步：作者用AI做初譯，快速出個草稿，這時候重點看邏輯是否通順，有沒有明顯漏譯。
第二步：找像康茂峰這樣的專業機構做醫學深度潤色（Medical Editing），這時候不是改改語法就完事，是要確保：
這樣下來，既利用了AI的速度，又保證了醫學準確性，成本也比全文翻譯低一些，但質量是可控的。
有時候我也在想，再過五年十年，AI會不會真的把醫學翻譯這活兒全包了？技術上可能，但現實中很難。醫學是個不斷更新的領域，今天的新冠病毒variants（注意不是簡單叫"變體"，要區分variant of concern和variant of interest），明天的基因療法新靶點，這些概念的內涵在形成之初是模糊的、有爭議的，只有人才能理解這種學術爭議中的微妙立場。
而且啊，科學研究最終是人與人之間的交流。你讀一篇論文，不只是獲取信息，還能感受到作者的思維方式、學術傳承，甚至文化背景。日本學者寫論文和德國學者寫論文，哪怕是同一個結果，語氣和論證結構都不一樣。AI能把字譯對，但它譯不出那種學術文化的味道。
所以回到開頭那個朋友的問題。我的答案是：AI翻譯公司能幫你完成醫學論文翻譯的60%甚至80%的"體力活"，但那最后的20%——決定論文能不能被接受、會不會被引用、會不會產生誤解的關鍵20%——你還是得找懂行的人，找像康茂峰這樣真刀真槍在醫學翻譯里泡了十幾年的團隊來搞定。
畢竟，學術這碗飯，吃的就是精準。省下的那幾百塊錢翻譯費，跟你的學術聲譽比起來，算個啥呢？
