很多朋友可能听说过Withings的时尚智能手表产品,他们每年也会在CES上雄心勃勃地展示更多健康产品。上一年,他们拿出的是一款智能秤,可以记录心电图和分段身体成分读数;这次则是U-Scan,一款贴在马桶里的家用“尿液实验室”。
是的,他们想让你对着产品撒尿。
U-Scan由两部分组成:检查器部分,和可更换的检测剂盒。检查器就是我们要对着撒尿的部分,检测剂盒就在后面。这款产品拥有热传感器,所以能区分小便和马桶水;它还有一个低功耗雷达,可以识别尿流的移动和距离来检测是不是它的用户在小便。换句话说,U-Scan只认一个主人。至于如何实际使用,Withings公司CEO Mathieu Letombe表示,正常小便即可——只是要把尿液淋在设备上,而不能直接尿在水里。用户无需任何激活操作,而且检测剂盒足够完成每天一次测试。在检查器检测到尿液后,它就会使用微流体电路采集少量样本,余下的则被弃用。而在冲水时,一切都将消失无踪。
听起来并不复杂,但Withings对这项小便检测技术相当重视。公司投入四年时间拿下13项专利,为的就是让用户能不碰尿液就完成检测。但可以想见,时间到了还是得充电或者更换检测剂盒(是用USB-C接口充的)。根据产品说明书,它还附带一副手套外加清洁剂。
Withings强调,这款产品主要关注两大用例:生殖健康和营养状况。其中的Cycle Sync检测剂盒会通过尿液比重或尿液浓度,测量用户的黄体生成素(LH)、pH值和水合水平。跟踪LH能检测用户处于月经周期的哪个阶段,pH值则可指示用户的饮食是否过酸(蔬菜不足)或过碱(蛋白质不足)。
除了酮和维生素C之外,其中的Nutri Balance检测剂盒还能检测pH值与水合水平。酮是人体分解脂肪时产生的一种酸,可以作为新陈代谢健康度的指标。血液中酮含量过高会引发酮症酸中毒;而追踪维生素C,则有助于提高人体对铁元素的吸收。
测试完成后,结果会通过Wi-Fi被发送至Withings应用,之后检测剂盒会自动旋转至下一格。每个检测盒大约能进行100次测试,相当于连续三个月。在应用之内,用户将获得提示信息,根据检测结果提供健康改善建议——当然,只是保健性质的建议。
Letombe在采访中表示:“为什么要关注尿?因为尿里包含关于人体的众多健康信息。”而且跟血液不同,尿会自然排出,所以检测不会给身体造成创伤。毕竟健康的成年人每天平均要小便七次,何不借此机会做个小体检呢?
定期体检虽然也包括尿检,但整个过程太过麻烦。样本先要被送往实验室,之后等个几天才能拿到检测结果。
Letombe表示:“我们希望能让人们在家中就完成检测,不麻烦、不折腾、不用把样本再寄出去。”
然而,Letombe也知道很多人并不喜欢验尿这事。如果U-Scan想获得成功,就得让消费者们广泛接受。因此,Withings才决定在上市初期主打经期管理和营养跟踪功能。虽然它也能跟踪肌酸和白蛋白等生物标志物,甚至在研究、临床试验和远程患者监测等专业医疗市场上有所作用,但推广工作最好能一步步来。Withings正与巴黎的Georges Pompidou欧洲医院合作,对肾结石患者进行随访。他们还计划与居里研究所开展另一项未来合作,共同开发一种监测/筛查膀胱癌和卵巢癌复发的方法。
另一个麻烦在于数据隐私,特别是去年罗诉韦德案的影响。Letombe表示,U-Scan符合GDPR标准:“我们公司的方针就是不对任何人开放这些数据。我们仍然需要关注执法细节,但总体来讲,我们宁愿不做任何业务,也不会冒险共享隐私数据。”
当然,最终这一切还是要看监管部门是否批准。欧洲消费者将会在2023年第二季度以499.95欧元的价格买到U-Scan检测器外加Cycle Sync/Nutri Balance检测剂盒。之后,用户还须单独购买或者按时订购检测剂盒。至于U-Scan的医疗应用,欧洲监管部门目前正在研究。
与此同时,Withings也在美国等待食品药监局的审批,预计整个周期可能需要数月甚至数年时间。Withings之前的Move ECG智能手表和Withings ScanWatch都遇到过阻碍。如今后者已经顺利上市,而前者仍然没有下文。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。