为改善医疗服务可及性等重大议题，美国政府提出了“健康人类2030”（Healthy People 2030）倡议。其中，“个人健康素养” （Personal Health Literacy），即患者是否能理解艰涩的医学术语、掌握自己的健康状况，是阻碍医疗公平的一大障碍。
在一篇最近发布的预印本论文中，来自美国匹兹堡大学等科研机构的研究者展示了他们运用机器翻译改善医学文本可读性的尝试。该研究使用数十万句子对等语料对神经网络机器翻译模型进行训练和迭代，使其有能力对术语、语法等进行自动简化及纠错。
目前，该模型翻译的流畅性、可读性仍无法达到人工翻译的质量。比如，该模型会对一些常用医学术语进行非必要的简化，也无法保证长难句的结构通顺。下一步，研究者计划借助辅助语言模型自动检查翻译结果，以确保机器翻译的质量。论文亦指出，“业内专家”（expert in the loop）模式也在建议中得到了呼吁，他们说：“所有最终的翻译应该由该领域的医疗保健专家校对批准，以确保其交付给病人之前的翻译质量。”
