Искусственный интеллект (ИИ) в современном мире стремительно развивается в разных сферах. Его влияние уже ощущается во множестве аспектов нашей повседневной жизни.

Искусственный интеллект определяется как комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека [2].

Согласно определению американской компании по разработке программного обеспечения OracleCorporation: «искусственный интеллект — это система или машина, которая способна имитировать человеческое поведение для выполнения определенных задач и может постепенно обучаться, используя полученную информацию» [5].

ИИ оказывает глубокое и трансформирующее воздействие на сферы далёкие от цифрового мира. Одной из таких областей, где потенциал ИИ раскрывается с поразительной силой, является медицина. От диагностики заболеваний до разработки новых лекарств, от персонализированного лечения до оптимизации больничных процессов — ИИ обещает революционизировать здравоохранение, делая его более точным, доступным и эффективным.

Современная медицинская литература — от клинических протоколов и учебных пособий до узкоспециализированных научных статей — характеризуется высокой плотностью терминологии, обилием аббревиатур и сложными синтаксическими конструкциями.

Медицинский текст — это научный текст, предназначенный для специалистов, работающих в области медицины, и посвящённый вопросам здоровья человека [1]. Выделяют следующие виды медицинских текстов:

— научные статьи, описывающие методы и выводы медицинских исследований;

— обзоры, т. е. аналитические статьи, посвященные всестороннему рассмотрению проблемы, имеющей значение для клинической практики;

— клинические отчёты, описывающие ситуации, которые имеют связь с редкими заболеваниями или новыми методами лечения;

— инструкции по применению лекарств, регламентирующие порядок использования и приема фармацевтических препаратов.

Развитие медицинского искусственного интеллекта (ИИ) неразрывно связано с созданием специализированного программного обеспечения, которое служит «оболочкой» для алгоритмов и позволяет внедрять их в клиническую практику. Эта взаимосвязь определяется следующими факторами:

— инструментарий для обработки данных, т. к. именно программные решения для ИИ обеспечивают автоматизацию процессов сбора и систематизации больших объемов неструктурированных медицинских данных (электронные медицинские карты, лабораторные результаты, радиологические изображения), способствуя выявлению скрытых закономерностей (data mining), недоступных для прямого человеческого восприятия.

— интеграция в рабочий процесс. Разработка программного обеспечения, включая облачные платформы и диагностические ассистенты, обеспечивает бесшовное встраивание ИИ в повседневную деятельность медицинских специалистов.

— автоматизация рутинных операций. Специализированные программные комплексы принимают на себя выполнение административных задач, начиная от обработки документации и планирования графиков, до аннотирования сложных медицинских текстов. Это способствует снижению когнитивной нагрузки на персонал и минимизации вероятности человеческих ошибок.

Современный медицинский дискурс переживает этап активного технологического переворота. Это привело к тому, что в статьях, пособиях и историях болезни всё чаще встречаются специфические термины из сферы ИИ. Для переводчиков, работающих в этой сфере, понимание этих терминов и умение точно передавать их смысл на другой язык становится критически важным.

Причины этого явления многогранны:

— ИИ преобразует процесс диагностики, позволяя анализировать медицинские изображения (рентген, МРТ, КТ) с невероятной точностью и скоростью, выявляя паттерны, незаметные человеческому глазу [4]. Например, это порождает такие термины, как:

• Machine Learning (ML) for Medical Imaging — машинное обучение для медицинской визуализации;
• Deep Learning (DL) Algorithms — алгоритмы глубокого обучения.

— разработка лекарств и открытие новых терапий. Именно ИИ ускоряет процесс поиска и разработки новых лекарств, предсказывая эффективность молекул и оптимизируя клинические испытания. В этом контексте встречаются:

• Drug Discovery and Development — открытие и разработка лекарств;
• Virtual Screening — виртуальный скрининг.

— обработка естественного языка (NLP) в медицине. Искуственный интеллект помогает извлекать ценную информацию из неструктурированных медицинских текстов, таких как электронные медицинские карты, отчеты врачей и научные публикации:

• Natural Language Processing (NLP) in Medicine — обработка естественного языка в медицине;
• Clinical Text Mining — извлечение данных из клинических текстов.

При переводе терминологических единиц, особенно в таких быстро развивающихся областях, как искусственный интеллект, необходимо учитывать несколько переводческих трансформаций и подходов.

— заимствование без перевода, то есть передача термина латиницей. Этот подход активно применяется в литературе и профессиональном дискурсе об ИИ. Это позволяет сохранить единообразие и точность терминологии в мировом контексте, упрощая коммуникацию между специалистами из разных стран.

• Blockchain — блокчейн;
• Deepfake — дипфейк.

— калькирование. Под калькированием понимают «способ перевода лексической единицы оригинала путем замены ее составных частей — морфем или слов их лексическими соответствиями в ПЯ» [3].

• Natural Language Processing — обработка естественного языка;
• Training data — обучающие данные.

— создание нового термина на русском языке. В свете последних технологических достижений в области искусственного интеллекта, при переводе специализированной терминологии может возникнуть потребность в формировании новых лексических единиц. Это особенно актуально в случаях, когда в языке перевода отсутствует прямой эквивалент исходного термина, либо существующие термины не способны адекватно отразить всю полноту и специфику новой концепции:

• Deep Learning может переводиться как глубокое обучение, что стало устоявшейся формой в русском языке;
• Arity — размерность набора данных.

— семантическая эквивалентность предполагает подбор в языке перевода (ПЯ) такого понятия, которое сохраняет смысловое тождество с исходным термином (ИЯ) в рамках конкретного контекста. При реализации данного приема переводчик опирается на поиск лексических единиц с аналогичным понятийным ядром. Несмотря на то, что такой подход считается наиболее обоснованным с академической точки зрения, достижение абсолютной эквивалентности часто затруднено из-за глубоких структурных различий языков и узкоспециальной специфики технических терминов.

• Mining — интеллектуальный анализ (добыча данных / data mining);
• Prompt — запрос, подсказка (промпт для медицинской языковой модели).

Обеспечение точности и адекватности перевода терминологии в области искусственного интеллекта (ИИ) особенно в текстах медицинского дикурса требует от переводчика строгого соблюдения методологической последовательности. Первоочередным этапом является глубокий контекстуальный анализ, позволяющий выявить случаи непрямого употребления терминов, требующие сложных лексико-семантических трансформаций вместо поиска прямых эквивалентов. Учитывая динамичный характер данной предметной области, переводчику необходимо верифицировать варианты перевода по актуальным глоссариям и отраслевым стандартам для обеспечения терминологического единообразия. При возникновении семантической неоднозначности целесообразно привлечение экспертов в сфере ИИ или профильных лингвистов для верификации итогового варианта перевода.

Литература:

1. Абросимова, Н. А. Введение в медицинский перевод / Н. А. Абросимова. — учебное пособие. — М.; Берлин: Директ-Медиа, 2020. — 116 с.
2. Большая российская энциклопедия (на портале «Знание»). URL: https://bigenc.ru/
3. Комиссаров В. Н. Теория перевода (лингвистические аспекты): Учеб. для ин-тов и фак. иностр. яз. — М.: Высш. шк., 1990.
4. Хусанов, У. А. У., Кудратиллаев, М. Б. У., Сиддиков, Б. Н. У., & Довлетова, С. Б. Искусственный интеллект в медицине // Science and Education. 2023. № 5. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-meditsine-4
5. Шохрадов, Ш. И. Искусственный интеллект в медицине // Наука и мировоззрение. 2024. № 26. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-meditsine-7