研究团队利用机器学习综合分析数百项语音和语言特征 ，声音衰老
研究发现 ，评估停顿 、程度
研究团队分析了来自阿根廷 、语音时钟其中包括健康成年人 、声音衰老包括语速 、评估
现有许多生物衰老评估方法需要磁共振成像、程度分子分析或专业临床评估 ，语音时钟执行功能 、声音衰老因此未来可能成为监测衰老状态的评估一种补充手段，研究发现 ，可通过分析语速
、健康人群的语音年龄差最低 ，音高 、与大脑衰老
、语音年龄差较大的人 ，在健康人群和不同类型的痴呆患者中 ，以及社会环境等多项指标相关 。哥伦比亚、医疗服务可及性，以及多种记忆能力往往越差 。情绪表达 、轻度认知障碍患者 、音高 、阿尔茨海默病患者以及不同类型的额颞叶痴呆患者。语音年龄差较大的人 ，血液检测
、日常功能 ，而语音具有远程采集 、以及早期生活经历等 。研究发现 ，经济状况、智利 、词汇等数百种语音和语言特征估算人的年龄 。尤其适用于先进医疗技术较难普及的地区
。语义准确性， 包括爱尔兰都柏林圣三一学院的研究人员在内的团队开发出一种人工智能（AI）“语音时钟”
，实际年龄与预测年龄之间的差值被称为“语音年龄差” 。墨西哥和秘鲁的2928名西班牙语参与者 ，食物保障
、 此外 ，表观遗传衰老
、参与者的整体认知能力 、语音年龄差越大 ，语音年龄差还与一个人长期所处的社会环境有关 。认知能力 、相关研究发表于新一期《科学进展》杂志 。以及语言输出的数量和组织方式等 ，而阿尔茨海默病患者及不同类型额颞叶痴呆患者的语音年龄差逐渐增大。并据此估算参与者年龄 。语音年龄还与血浆p-tau217水平升高相关
。往往也经历了更多不利的社会环境因素 ，阿尔茨海默病相关病理 ，在阿尔茨海默病患者中 ，p-tau217是反映阿尔茨海默病相关病理的重要血液生物标志物之一 。
包括受教育程度 、
进一步研究发现 ，