随着AI翻译技术逐渐成为各种系统的一部分，医疗领域的机构早已超越了对这项技术的一般兴趣：它们要么正在规划，要么在尝试，要么已经在使用。就像AI出现之前的情况一样，一些解决方案是有机发展的，而另一些则是通过专家提供的，这些专家不一定来自语言行业。事实上，大型语言模型（LLMs）——这些是经过大量数据训练的大型神经网络——使得许多拥有访问权限和技术知识的人能够创建AI翻译工具。专有的LLMs也是其中的一部分，对于某些独特的应用场景，如制药或医疗器械的临床试验，它们可能更有意义。总而言之，AI翻译正以多种方式进入医疗行业。
医疗、制药和健康公司实施AI翻译的例子已不再罕见。但需要时间来收集更多关于实施该技术结果的数据，尤其是回答AI翻译在医疗环境中是否安全的问题。目前唯一的答案是“这取决于具体情况”。
在本文发布时，一些AI工具尚未达到被认为是“安全”的水平。2024年10月，美联社的一份报告指出，OpenAI的多语言转录工具Whisper经常产生幻觉（即编造内容）。报告称，基于Whisper的一款私人公司工具已经用于约700万次医疗访问。
模型幻觉只是导致AI工具不安全的一个例子。然而，AI对提供者、患者、保险公司及相关方的影响当然是双重的，因此在决定是否采用AI翻译时需要考虑很多因素。
一方面，可能会带来显著的好处，包括语言访问和效率的明显提升、潜在的新市场和服务增强。另一方面，可能会出现超出幻觉的问题，包括传播的语言错误、IT问题和数据漏洞。在现有系统中添加翻译功能（TaaF），或集成来自OpenAI或DeepL等语言技术提供商的翻译技术的机构，最好从风险管理的角度来对待AI。
混合模型是答案吗？
在准确性、文化细微差别、术语问题和其他语言问题方面，专业语言学家擅长发现和纠正这些问题。自神经机器翻译（MT）推出以来，他们的专业知识一直是训练翻译引擎和编辑MT输出的关键。
同样的专业知识现在对于LLM的训练和微调，以及AI翻译的校正至关重要。在需要实时结果的场景中，例如通过语音到语音翻译（S2ST）进行的AI口译，预期是没有人为干预的。然而，要确保“安全”，这样的设置必然意味着患者面临的风险较低。
医疗中的低风险场景可能包括患者的入院点、财务和保险目的的行政互动，以及患者可以输入生命体征和基本医疗信息的自助分诊站，这些信息由AI处理。
同样，在某些受控情况下，AI可能是足够的并且“安全”的，例如在临床试验中的预约，此时正在收集用于初步受试者筛选的信息，例如在脚本化的访谈中，他们必须提供同样受控的答案，如“是”或“否”。
随着技术的进步，混合方法意味着人类语言学家将继续校正AI生成的转录和文本翻译，并在高风险情况下进行口译，如任何不受控制、非脚本化的医疗互动。
在专业语言学家或双语临床医生的手中，即时AI术语查找和用于不同质量保证步骤的AI代理也会帮助创建混合工作流程。所有潜在解决方案都必须伴随适当的缓解策略（例如，人工监督、改进的训练数据、错误检测算法等）。
伦理与法规
像欧盟AI法案和美国AI行政命令这样的全面AI立法是任何行业开始考虑或完善AI使用实践标准和伦理的好起点。但标准和指南的制定将需要依赖于AI翻译实施过程中的共享数据。
增加患者保护机制应有助于创建一个伦理和合规的医疗AI框架。这意味着患者和医疗服务提供者应参与此类指南的制定，语言专家也应参与其中。
本文咨询的所有来源都代表了这些群体。它们显示了一个共识，即AI有潜力彻底改变医疗领域的语言服务，但这种乐观态度应伴随着谨慎的考虑、计划和实施。
持续的研究与负责任的发展和部署应有助于减轻所有相关方的风险，指导指南的制定，并解决和预见合规问题。
(全文结束)
