Czy tłumaczenie maszynowe dokumentów medycznych może prowadzić do dezinformacji i szkodzić pacjentom?
Instrukcje medyczne i inne dokumenty powiązane z tą branżą wymagają od tłumacza dużej precyzji, jednocześnie nie narzucając wymagań w kwestii odczytywania kontekstu kulturowego, czy aluzji. To czyni z algorytmów sieci neuronowych idealnego sprzymierzeńca w zakresie tłumaczeń medycznych. Czy jednak w praktyce sytuacja wygląda równie różowo, co w teorii, a tłumaczenia automatyczne stanowią przyszłość branży?
Jakość tłumaczenia maszynowego w branży medycznej
Tłumaczenia medyczne to sektor usług tłumaczeniowych, w którym każdy błąd może być bardzo kosztowny. W istocie często wystarczy jedno przejęzyczenie lub niewłaściwe użycie terminu w języku obcym, aby stracić zaufanie pacjenta i skłonić go do zignorowania instrukcji dotyczących, na przykład, postępowania podczas pandemii. Może to doprowadzić do poważnych konsekwencji.
Czy algorytmy lepiej tłumaczą treści o charakterze medycznym lub farmaceutycznym? Warto przytoczyć tutaj obecny stan nauki w tej kwestii i powołać się na konkretne dane.
Czworo amerykańskich naukowców, Breena Taira, Vanessa Kreger, Aristides Orue i Lisa Diamond przeprowadziło badania, których celem była ocena tłumaczeń maszynowych instrukcji wydawanych pacjentom oddziałów ratunkowych. Rezultaty przeprowadzonych prac pokazują, że tłumaczenie automatyczne całkiem dobrze radzi sobie w przypadku prostszych tekstów, takich jak informacje dotyczące wypisywania pacjentów z oddziału ratunkowego, pod warunkiem, że odbywa się ono w popularnej kombinacji językowej z rozbudowaną funkcją machine learning, na przykład tekst tłumaczony jest z języka angielskiego na język hiszpański.
Niestety wyniki są zdecydowanie mniej obiecujące w przypadku tłumaczenia na języki rzadkie. To ogromny problem dla branży tłumaczeń medycznych, których niezrozumienie przez pacjentów może być groźne dla ich zdrowia i życia.
Dokładność na wagę ludzkiego życia
Chociaż każdy pacjent powinien mieć zagwarantowane prawo do zrozumienia treści i komunikatów dotyczących swojego zdrowia, w praktyce nie każdy szpital może sobie na to finansowo pozwolić. Usługi tłumaczy ustnych są kosztowne, a pisemni tłumacze medyczni, nawet z dużych firm tłumaczeniowych, najczęściej mają kolejkę zleceń, która uniemożliwia wykonanie ekspresowego przekładu. W takiej sytuacji lekarze często sięgają po tłumaczenia maszynowe.
Przeprowadzone badania jasno pokazują, że wprowadzenie funkcji machine learning i algorytmów sieci neuronowych znacząco poprawiło jakość tłumaczeń automatycznych tekstów medycznych – dokładność tego typu usług w 2014 roku wynosiła jedynie 60%, podczas gdy w 2019 roku było to już prawie 90% dla kombinacji języka angielskiego z językiem hiszpańskim. W naszym poprzednim artykule dokładnie opisaliśmy mechanizmy, odpowiadające za to, w jaki sposób algorytmy radzą sobie z tłumaczeniem na poszczególne języki.
W trudniejszej sytuacji są jednak użytkownicy mniej popularnych w Stanach Zjednoczonych języków, takich jak farsi, czy ormiański. W ich przypadku dokładność tłumaczeń automatycznych tekstów medycznych wynosi jedynie około 60%. Mogłoby się wydawać, że nie jest to zły wynik, aż do momentu, w którym nie przyjrzymy się poszczególnym fragmentom przekładu.
Błędy w tłumaczeniach maszynowych tekstów medycznych
Chociaż badania pokazują, że tłumaczenia maszynowe mogą zapewnić 90% dokładności, w praktyce nawet w popularnych kombinacjach z językiem hiszpańskim czy chińskim zdarzają się błędy, które mogą wprowadzać spore zamieszanie.
Warto przytoczyć tu przekład instrukcji dla pacjentów, przyjmujących lek rozrzedzający krew o nazwie Coumadin. W oryginale komunikat zwracał pacjentowi uwagę na fakt, iż poziom leku w jego krwi jest zbyt wysoki, w związku z czym nie powinien on przyjmować więcej Coumadinu w danym dniu, dopóki lekarz nie zapozna się z jego wynikami. Błąd w tłumaczeniu maszynowym tego tekstu na język chiński sprawił, że komunikat do pacjenta mówił o zbyt wysokim poziomie soi w organizmie i konieczności wstrzymania się od jej spożywania, podstawiając nazwę tej rośliny w miejsce nazwy leku.
Innym przykładem błędnego tłumaczenia maszynowego może być komunikat, który w języku źródłowym informował pacjenta o tym, że w razie potrzeby może on zażyć dostępny bez recepty ibuprofen, a na język ormiański został przetłumaczony, jako zachęta do wzięcia „tylko pocisków przeciwpancernych, ile trzeba, aby uśmierzyć ból”.
Tłumaczenia maszynowe wciąż się rozwijają. Już teraz są w stanie zapewnić bardzo dużą dokładność przekładu, jednocześnie oferując klientom ogromną wydajność. To ogromna zaleta w przypadku branży, gdzie każda minuta jest na wagę złota. Jednak warto pamiętać, że na moment obecny tłumaczenia maszynowe tekstów medycznych zdecydowanie potrzebują sprawnego postedytora, który zweryfikuje ich treść i wychwyci potencjalne błędy. Więcej na temat tego, jak ważna jest weryfikacja tłumaczenia maszynowego, przeczytasz w naszym poprzednim artykule.
