基于计算机视觉和机器学习的智能马桶

英国《自然·生物医学工程》杂志发表一项最新研究，科学家综合了计算机视觉以及机器学习算法，报告了一套可以加装在标准马桶上的软硬件，通过它们可以追踪使用者尿液和粪便中的健康与疾病生物标志物。这种“智能马桶”自动运行，让使用者可以监测自己的健康数据，为疾病筛查、诊断和患者监控研究提供支持。

监测健康与疾病生物标志物的“智能马桶”演示图。      图源：《自然·生物医学工程》

伴随医疗设备技术水平的不断提升，以及应用层面越来越广泛，医疗市场也产生了对非侵入检测设备的高要求——准确、及时且按需实现患者监测。因此，如果一项技术真能够以非侵入的方式反复测量个体的健康状态，且成本不高，那么将有助于预防和预测疾病，提高诊疗决策的精准性。

但可惜的是，大部分用于监测个体健康的技术通常都无法产出具有可操作性的数据，并且与临床工作流程集成不佳，这严重影响了监测设备的实用性。

此次，美国斯坦福大学研究人员萨姆·盖姆海尔及其及同事，设计了一种模块化马桶系统，其包括：压力及运动传感器；用于分析尿流及其基本生物化学组分的测试条和视频摄像头；用于根据形状和硬度的临床标准来划分粪便类型的计算机视觉及机器学习算法；用于生物特征识别的指纹扫描仪（嵌在冲水按钮上）。

研究人员表示，现阶段这个马桶系统的潜在健康益处还需要通过大规模的临床研究加以评估，系统本身也需要根据人类群体的排泄物基线数据进行优化。虽然这个概念验证的“智能马桶”其部分模块是仅针对坐便和站立使用的男性受试者而构建和测试的，但是研究团队认为，未来它还能扩大应用范围，将人类排泄物的其他临床相关生物物理学和生物化学检测包括在内。