基于大语言模型的医疗机器辅助翻译实施框架：弥合语言障碍以提升医疗公平性

　　为解决美国超2500万非英语偏好(NELP)患者因医疗文档翻译延迟而面临的医疗安全风险，研究人员基于实施性研究综合框架(CFIR)，系统探索了大型语言模型(LLM)支持的机器辅助翻译(MAT)在医疗场景中的实施路径。研究提出了涵盖技术创新、人员培训、隐私保护及工作流整合的实践路线图，为医疗系统安全、高效部署MAT技术提供了关键策略，对减少医疗差异、提升多语言患者照护质量具有重要意义。

　　

在美国，有超过2500万患者偏好使用英语以外的语言（Non-English Language Preference, NELP）进行医疗沟通。然而，由于语言障碍，这些患者往往无法及时获得翻译成其母语的出院指导、知情同意书等重要医疗材料，这不仅影响了治疗依从性和康复效果，还导致其急诊就诊率和再入院率显著高于英语母语者。尽管《民权法案》和卫生与公众服务部（HHS）明确规定医疗机构必须提供语言辅助服务，但现实中医护系统仍难以实现常规、高效的书面翻译。传统翻译方式依赖人工或计算机辅助翻译（CAT）工具，成本高、耗时长且缺乏灵活定制能力，难以满足临床实时需求。

在这一背景下，大语言模型（Large Language Model, LLM）技术的发展为机器辅助翻译（Machine-Assisted Translation, MAT）带来了全新可能。相比早期的神经机器翻译（NMT），LLM在长文本理解、专业术语处理和语境适应性方面表现出更强能力，甚至可同时完成翻译、摘要和文本简化等多重任务。然而，尽管已有研究显示LLM在西班牙语、葡萄牙语等资源丰富语言中的翻译效果接近人工水平，但在数字资源匮乏的语言（如克丘亚语、约鲁巴语）中其准确性仍存疑。更重要的是，目前缺乏如何在医疗场景中安全、有效实施LLM支持型MAT的系统指导。

为此，斯坦福大学医学院Ivan Lopez团队与哈佛医学院、布莱根妇女医院等单位合作，在《npj Digital Medicine》发表了一项前瞻性研究。他们以实施性研究综合框架（Consolidated Framework for Implementation Research, CFIR）为理论基石，从创新特性、人员因素、内部环境、实施过程与外部环境五个维度，全面剖析了LLM-MAT落地医疗场景的关键考量，为医院管理者与政策制定者提供了一份可操作的实施路线图。

本研究主要采用了以下关键技术方法：基于CFIR框架的系统性实施因素分析；使用零数据保留（Zero-Data-Rention, ZDR）接口和私有化部署保障患者隐私；借助多维质量指标（MQM）和COMET等自动评估指标进行翻译质量量化；利用回顾性与前瞻性测试策略验证MAT工作流效果；并通过对电子健康记录（EHR）的集成实现临床工作流无缝嵌入。研究还强调使用真实临床场景中的数据（如来自斯坦福医疗系统的多语言医疗文档）进行模型微调与验证。

I. Innovation domain

研究指出，LLM存在幻觉生成、长文本语境丢失及导致人工翻译过度依赖等风险。因此实施过程中必须设置相应防护机制，如对翻译人员进行LLM常见错误识别培训，并在EHR系统中嵌入类似药物相互作用检测的“翻译合理性提示”功能。患者隐私保护是另一关键，需杜绝通过开放式接口暴露受保护健康信息（PHI），推荐采用ZDR终端或通过行业合作建立私有化LLM查询环境（如斯坦福医疗采用的Azure OpenAI专用通道）。成本方面，尽管运行大型开源模型初期投入较高，但可通过按需付费模式降低开销，且从长远看，MAT有望通过减少NELP患者再入院率和住院时间带来显著效益。

II. Individuals domain

翻译人员工作流应尽量保持原样。MAT系统可嵌入EHR，在翻译请求发起时自动生成草稿，译员可在同一界面编辑，并可继续使用CAT工具进行语法检查或术语插入。临床人员需提供高质量英文原文以确保翻译准确性，也可利用LLM的零样本能力先对原文进行清理与简化。患者作为关键利益相关方，需通过调查问卷、顾问委员会或焦点小组等方式参与MAT设计与评估，从而形成以患者为中心的多语言服务策略。

III. Inner setting domain

许多医疗系统翻译团队人力不足，MAT可有效减轻初始草稿负担，缩短翻译周期。建议初期将MAT限于表现稳定的文档与语言对（如西班牙语出院摘要），复杂内容仍由人工完成，后续通过困难案例积累逐步微调扩展模型能力。对于依赖第三方翻译服务的机构，可结合内部LLM生成初稿、外部专家修订的混合模式，兼顾效率与质量。在组织文化层面，应强调AI辅助而非替代人工，保持“译者在环”模式，既符合法规要求，也保障翻译的文化适应性与准确性。

IV. Implementation process domain

实施需遵循七项关键步骤：与现有工作流整合（如嵌入EHR）、与终端用户共同设计、回顾性测试、前瞻性小规模试点、部署基础设施（如安全日志与存储系统）、基于反馈的模型微调、以及真实世界效果评估。评估方法应综合多种指标：翻译质量方面可采用MQM框架或5点量表人工评分，并结合自动指标（chrF++、COMET及BLEU）；运营指标关注 turnaround time 与语言匹配文档交付比例；临床结局可跟踪再入院率、死亡率等CMS核心指标；患者理解度与可操作性则可使用PEMAT工具或通过开放性问题测试进行衡量。

V. Outer setting domain

外部环境方面，需要联合委员会等机构对MAT工作流进行独立质量认证，以验证其是否符合《平价医疗法案》第1557条要求。呼吁医疗系统与公共卫生机构共同构建开放临床翻译语料库，涵盖多类型文档与语言，尤其关注数字资源匮乏语种，以支持模型微调与性能评估。政策层面，需更新CLAS标准，明确MAT实施中的数据安全、错误率阈值与语种差异化标准，下一步法规修订应设定LLM用于MAT的准入门槛。

该研究总结指出，LLN支持的MAT为提升医疗语言公平提供了强大工具，可显著减轻翻译负荷、缩短交付时间、扩展多语言服务覆盖。然而，其成功实施依赖于持续的性能评估、偏见修正和工作流优化。未来需进一步开展混合效果—实施性研究，以验证LLM-MAT能否在实践中真正降低语言相关健康差异。

作者强调，尽管技术不断进步，人的因素始终至关重要——译者的专业知识、文化敏感性和临床判断是机器无法替代的。只有通过人机协作，才能在追求效率的同时，确保每一位患者都能获得安全、准确、温暖的医疗照护。