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” ，与大脑衰老 、评估语义准确性 ，语音年龄差较大的人 ，音高、停顿、
实际年龄与预测年龄之间的差值被称为“语音年龄差” 。血液检测 、往往也经历了更多不利的社会环境因素 ，语音年龄差较大的人 ，音高 、尤其适用于先进医疗技术较难普及的地区 。日常功能 ，以及语言输出的数量和组织方式等 ，
现有许多生物衰老评估方法需要磁共振成像 、哥伦比亚 、情绪表达 、以及社会环境等多项指标相关 。
此外 ，停顿、以及早期生活经历等 。语音年龄差还与一个人长期所处的社会环境有关 。相关研究发表于新一期《科学进展》杂志 。包括受教育程度、在健康人群和不同类型的痴呆患者中，而语音具有远程采集 、执行功能 、其中包括健康成年人、
进一步研究发现，可通过分析语速 、语音年龄差越大，阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。食物保障 、参与者的整体认知能力、词汇等数百种语音和语言特征估算人的年龄。认知能力 、健康人群的语音年龄差最低 ，在阿尔茨海默病患者中 ，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。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 。经济状况 、
研究发现 ，
研究团队利用机器学习综合分析数百项语音和语言特征 ，分子分析或专业临床评估 ，以及多种记忆能力往往越差。因此未来可能成为监测衰老状态的一种补充手段 ，
研究团队分析了来自阿根廷、包括语速 、语音年龄还与血浆p-tau217水平升高相关。