人工智能赋能患者出院指导翻译：人机协同策略的多学科评估与临床转化价值

《npj Digital Medicine》：Evaluating human-in-the-loop strategies for artificial intelligence-enabled translation of patient discharge instructions: a multidisciplinary analysis

本研究针对非英语患者医疗文书翻译质量不均、传统翻译服务效率低下等问题，系统评估了ChatGPT-4o、纯人工翻译及人机协同（AI生成+专业译后编辑）三种模式在六种语言（含数字化低资源语言）中的表现。结果表明，人机协同翻译在质量上媲美甚至优于专业翻译，效率提升约60%，且成为多学科评估者最偏好模式。该策略为临床语言公平提供了安全、高效的实施路径，对推动AI在医疗场景的负责任落地具有重要参考价值。

　　

在美国，超过2500万人的英语熟练程度有限，医疗沟通障碍导致这类人群的用药依从性、医疗资源利用及不良事件风险显著恶化。尽管联邦政策要求提供语言服务，但医院翻译服务成本高、耗时长，难以满足出院指导等时效性沟通需求。近年来，人工智能（AI）驱动的机器翻译为解决这一难题带来新希望，但其在数字化低资源语言（如索马里语、亚美尼亚语）中的准确性和安全性仍存疑。此外，现行法规要求机器翻译需经专业审核，而“人在回路”（Human-in-the-Loop）这一人机协同模式在医学翻译中的效果尚未系统评估。

为此，研究团队在《npj Digital Medicine》发表论文，首次通过多学科视角（语言学家、临床医生、家庭照护者）对比ChatGPT-4o、纯人工翻译及人机协同三种模式在六种语言（阿拉伯语、亚美尼亚语、孟加拉语、简体中文、索马里语、西班牙语）中的表现。研究选取20份真实儿科出院指导文本，从信息完整性、语言流畅性、语义准确性、临床风险及整体质量五个维度进行评分（1-5分利克特量表）。

关键方法

研究提取波士顿儿童医院非外科住院患者的实际出院指导文本，通过第三方翻译服务（LanguageLine）完成专业翻译与人机协同翻译，ChatGPT-4o使用标准化提示词生成翻译。42名评估者（12名语言学家、16名临床医生、14名家庭照护者）在盲态下评分，并记录翻译耗时。统计采用弗里德曼检验与威尔科克森符号秩检验分析评分差异，t检验比较时间效率。

研究结果

翻译质量对比

ChatGPT-4o表现因语言而异：在西班牙语和孟加拉语中与专业翻译质量相当，但在数字化低资源语言（如亚美尼亚语和索马里语）中评分显著较低（亚美尼亚语整体质量分差达1.2分）。人机协同翻译在多数语言中达到或超越专业翻译水平，例如亚美尼亚语整体质量分提升0.3分（p=0.01），西班牙语信息完整性分提高0.4分（p=0.01）。

翻译偏好与效率

人机协同模式成为最受青睐的选择（总偏好率46.5%），尤其在孟加拉语中偏好率达53.6%。ChatGPT-4o除西班牙语外均最不受欢迎（亚美尼亚语仅5%偏好率）。人机协同翻译耗时显著短于专业翻译（平均7.1分钟 vs. 16.8分钟，p<0.001），索马里语翻译效率提升最高（耗时减少81%）。

结论与意义

本研究证实，完全依赖AI的翻译在低资源语言中存在临床风险，而人机协同策略能兼顾质量与效率，成为安全实施AI翻译的关键路径。其优势源于语言学家对文化语境和临床细节的修正能力，尤其在语法结构复杂的语言中作用显著。作者建议：低风险场景（如预约提醒）可尝试全自动翻译，但出院指导等关键沟通需坚持人工审核。未来需建立多语言基准数据集，并将患者、照护者纳入AI治理框架，以推动健康公平。

该研究为医疗AI的负责任落地提供了实证支持，凸显了跨学科合作在技术优化中的核心价值。