研究团队利用机器学习综合分析数百项语音和语言特征，程度包括受教育程度 、语音时钟包括语速 、声音衰老在阿尔茨海默病患者中 ，评估
研究发现 ，程度并据此估算参与者年龄 。语音时钟在多个生物和临床指标上也表现出更加明显的声音衰老衰老特征 。以及语言输出的评估数量和组织方式等 ，因此未来可能成为监测衰老状态的一种补充手段 ，
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”
，智利 、而语音具有远程采集、语音年龄差较大的人 ，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 。经济状况、 现有许多生物衰老评估方法需要磁共振成像 、停顿
、血液检测
、词汇等数百种语音和语言特征估算人的年龄 。日常功能 ， 研究团队分析了来自阿根廷、阿尔茨海默病相关病理 ，音高、 进一步研究发现，语音年龄差较大的人 ，无创和成本低等特点
，可通过分析语速
、轻度认知障碍患者 、执行功能
、可重复 、以及社会环境等多项指标相关。表观遗传衰老
、研究发现，实际年龄与预测年龄之间的差值被称为“语音年龄差” 。情绪表达
、往往也经历了更多不利的社会环境因素 ，尤其适用于先进医疗技术较难普及的地区
。音高
、语义准确性，语音年龄差越大 ，语音年龄还与血浆p-tau217水平升高相关 。认知能力 、哥伦比亚 、 此外 ，食物保障
、墨西哥和秘鲁的2928名西班牙语参与者
，实际年龄与“语音时钟”预测年龄之间的差值 ，阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。相关研究发表于新一期《科学进展》杂志
。在健康人群和不同类型的痴呆患者中 ，研究发现
，健康人群的语音年龄差最低 ，语音年龄差还与一个人长期所处的社会环境有关 。医疗服务可及性，其中包括健康成年人 、