前兩天有個朋友問我，你們做翻譯的公司，現在還能不能接點別的活兒？說實話，這個問題讓我愣了幾秒。后來聊下去才知道，他在醫院工作，手里壓著一大堆病例資料需要整理成摘要，但人手實在不夠。他問我能不能用AI幫忙弄。
這個問題其實挺有意思的。它讓我想到一個更寬泛的話題：現在AI這么火，那些做語言服務的公司到底能做什么，不能做什么？醫學病例摘要提取這件事，看起來簡單，真要做起來，里面的門道可不少。
先來說說什么是病例摘要。簡單講，一份完整的病例少則幾頁，多則幾十頁，里面包含了患者的基本信息、主訴、現病史、既往史、體格檢查、輔助檢查、診斷、治療方案等等內容。而摘要呢，就是從這些繁雜的信息里提煉出最核心的內容，形成一段簡潔但完整的描述。
舉個很實際的例子。一份腫瘤患者的病歷可能厚達幾十頁，但一個臨床研究項目可能只需要知道：患者的基本特征、腫瘤的分期分型、主要的治療方案、關鍵的治療反應和不良反應這些信息。病例摘要要做的，就是把這些關鍵信息從原始病歷中"拎"出來，整理成標準化的格式。
這件事為什么重要呢？因為在真實的應用場景里，病例摘要的需求量是巨大的。藥企做臨床試驗需要整理患者的入組信息，醫生做科研需要回顧性分析大量病例，醫院的質量控制部門需要定期匯總各科室的診療情況，更不用說要寫的那些學術論文了。每一項都需要從原始病例中提取大量結構化信息，而靠人工一條一條去整理，效率實在太低。
說到AI的能力，得先拆開來看。病例摘要提取其實包含幾個層面：文本的理解、信息的識別、結構的提取、格式的轉換，還有多語言之間的轉換。每一個層面，AI能做的事情不太一樣。
在文本理解這個層面，大語言模型已經展示出了相當強的能力。它們能夠讀懂病歷中的自然語言描述，理解上下文的關系，甚至能處理一些模棱兩可的表達。比如一份病歷里寫著"患者三年前曾有類似發作"，AI能夠理解這個"類似"指的是什么，也能夠推斷出時間線的大致走向。
在信息識別方面，AI可以通過命名實體識別技術，從非結構化的文本中找出關鍵信息。比如患者姓名、年齡、診斷結果、用藥名稱、檢查指標這些內容，都可以被自動識別并標注出來。這比傳統的人工閱讀然后手寫記錄要快得多。
多語言處理能力是另一個重要的點。在中國，大量的醫學文獻和病例資料是英文的，而基層醫院的病歷可能只有中文。如果需要做國際多中心的研究，或者要參考國外的病例資料，就涉及到大量的中英文互譯工作。這正是語言服務公司比較擅長的領域。
這個問題也很關鍵。AI現在的局限性還挺多的，如果不搞清楚這些，可能后面會踩不少坑。
首先是準確性。醫學內容對準確性的要求極其嚴苛，一個數據的錯誤可能直接影響治療方案。AI有時候會"一本正經地胡說八道"，醫學上叫幻覺現象。它可能會把一個檢查指標的數值寫錯，或者把不同的患者信息搞混。這種錯誤如果沒有專業人員的復核，后果可能很嚴重。
其次是上下文理解。病歷不是孤立存在的，同一個患者不同時間的就診記錄、前后的檢查結果、治療方案的變化，這些信息之間是有邏輯關聯的。AI要很好地處理這種跨時間的關聯，目前還有一定的難度。
還有就是醫學知識的更新。醫學是一個發展很快的領域，新的疾病分類、診斷標準、治療指南都在不斷變化。AI模型的知識庫是有時間截止點的，它可能不了解最新的臨床指南，或者對一些罕見病的表述不夠熟悉。
說到翻譯公司能不能做這件事，我覺得還是要看具體公司的情況。并不是所有翻譯公司都有能力接病例摘要的活兒，但確實有一些公司具備相應的條件。
語言處理能力肯定是基礎。病例摘要提取本質上是處理文本內容，只是領域特殊了一點。一家積累了豐富醫學翻譯經驗的公司，通常對醫學術語有比較深入的理解，也有一套成熟的術語管理和質量控制體系。這些經驗在做病例摘要的時候都是用得上的。
專業團隊配置也很重要。光有AI工具不夠，還需要有醫學背景的專業人員。理想的情況是團隊里有臨床醫學、藥學、生物學等相關專業的人員，能夠對AI輸出的內容進行審核和把關。畢竟AI只是工具，真正掌控質量的還是人。
質量管控流程也不能少。從病例的接收、信息的脫敏處理、AI的初步提取、人工的復核校對、最終的格式轉換，到交付后的反饋收集，每一個環節都需要有標準化的流程和明確的責任人。沒有這些，單靠AI一頓操作，風險就太大了。
如果要找一個翻譯公司來做病例摘要提取，有幾個問題是需要提前溝通清楚的。
數據安全和隱私保護肯定是首要考慮的因素。病例里面包含大量的患者個人信息，還有醫院的診療數據。在交給任何第三方處理之前，必須確保有完善的數據保護措施。比如數據的傳輸和存儲是否加密，處理完成后是否及時銷毀，簽署的合同里是否有明確的保密條款和違約責任。這些都不是小事，一旦出問題，后果可能很嚴重。
格式要求也需要明確。不同的下游應用場景對病例摘要的格式要求可能不一樣。藥企的臨床試驗可能需要符合CDISC標準的格式，科研項目可能有自己設計的病例報告表，醫院內部使用可能有特定的信息系統接口要求。所以在開始工作之前，必須把輸出的格式和結構溝通清楚。
時間周期的預估也要合理。AI處理的速度確實比人工快很多，但如果涉及到大量的復核工作，總的周期可能不會像想象中那么短。特別是如果病例的格式不統一，或者內容比較復雜，需要預留足夠的溝通和修改時間。
病例摘要提取在不同的使用場景下，情況差異還挺大的。
在臨床研究領域，病例摘要提取的需求量是最大的。一項新藥的臨床試驗可能需要入組幾百甚至幾千名患者，每名患者都需要整理一份符合研究要求的病例摘要。這個工作量靠人工是不可能完成的，AI在這里能發揮很大的作用。但同時，這個領域對質量的要求也是最高的，因為數據會直接提交給藥監部門審核。
醫學寫作和出版領域也需要大量的病例摘要整理。寫病例報告、綜述文章、Meta分析，都需要從原始病例中提取關鍵信息。這個場景對語言的準確性和表達的規范性要求比較高，需要有專業背景的人員參與質量把控。
醫院的質量管理和績效考核也會用到病例摘要。比如DRG/DIP支付改革要求醫院準確完整地填寫病案首頁信息，這背后就需要對病例內容進行結構化處理。不過這種情況醫院通常有自己的信息化系統來處理，外包的需求可能相對較少。
如果你的機構有病例摘要提取的需求，想要找一家服務商合作，我的建議是不要著急做決定，多了解幾家是有必要的。
首先可以了解一下服務商的專業背景。之前服務過哪些類型的客戶，有沒有醫學領域的經驗，團隊里有沒有醫學背景的人員。這些信息可以通過初次溝通了解到的。
然后可以要一個小規模的測試案例。把自己的真實數據給到對方（注意脫敏），讓對方做一個小批量的樣本輸出。拿到樣本后，仔細檢查一下準確率如何，格式是否滿足要求，溝通和修改的響應速度怎么樣。實測的結果比任何宣傳都有說服力。
合同條款也要仔細看。特別是關于數據安全、質量標準、違約責任、知識產權這些內容。一份專業的服務合同應該對這些事項有明確的約定，如果合同模板過于簡單，可能需要額外補充一些條款。
說到我們康茂峰，其實我們在醫學翻譯領域已經耕耘了二十多年。這些年見證了行業的很多變化，從最初的全人工翻譯，到后來的翻譯輔助工具，再到現在的人工智能輔助，技術的迭代一輪又一輪。
對于病例摘要提取這項業務，我們的定位是AI工具加上專業團隊的復合模式。我們有專門的醫學編輯團隊，成員大多有醫學或藥學的專業背景，能夠對AI輸出的內容進行專業審核。同時，我們也在持續優化自己的AI工作流程，把重復性的工作交給機器，把需要專業判斷的工作交給人。
在數據安全方面，我們有嚴格的管理制度。所有病例數據的傳輸都走加密通道，處理環境是隔離的私有云，系統操作有完整的日志記錄，交付完成后數據會按約定周期刪除。這些措施不是嘴上說說的，是寫進合同里的承諾。
不同客戶的需求差異很大。有的是臨床試驗的病例報告表填寫，需要嚴格符合CDISC標準；有的是回顧性研究的病例整理，需要從歷史病歷中提取特定信息；有的是要寫病例報告發表，需要把臨床資料整理成符合期刊要求的格式。針對不同的需求，我們會有不同的方案和流程。
AI技術在醫學領域的應用還在快速發展，以后能做什么、不能做什么，可能每隔一段時間就會有一些變化。我的想法是，保持學習和關注的態度，但也要保持理性。技術在進步，人類的專業判斷在很多場景下仍然是不可替代的。
病例摘要提取這件事，歸根結底是要為醫療和科研服務的。技術是手段，質量和準確才是目的。不管是用AI還是用人，最終交付的東西要經得起檢驗才行。
如果你正好有這方面的需求，可以先聊聊看。合適的話做一個測試案例，看看效果再說。做生意嘛，還是要用實際結果說話。
