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