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