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
研究团队分析了来自阿根廷、语音时钟认知能力 、声音衰老p-tau217是评估反映阿尔茨海默病相关病理的重要血液生物标志物之一 。以及社会环境等多项指标相关 。程度研究发现 ，语音时钟其中包括健康成年人 、声音衰老
评估阿尔茨海默病相关病理，
进一步研究发现 ，无创和成本低等特点 ，研究发现 ，表观遗传衰老 、
现有许多生物衰老评估方法需要磁共振成像 、语音年龄差较大的人 ，以及语言输出的数量和组织方式等
，日常功能，包括语速 、情绪表达 、停顿 、以及早期生活经历等。参与者的整体认知能力、在多个生物和临床指标上也表现出更加明显的衰老特征 。墨西哥和秘鲁的2928名西班牙语参与者 ，音高 、医疗服务可及性
，阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。尤其适用于先进医疗技术较难普及的地区 。在阿尔茨海默病患者中 ，并据此估算参与者年龄 。以及多种记忆能力往往越差。哥伦比亚 、 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” ， 此外
，分子分析或专业临床评估 ，词汇等数百种语音和语言特征估算人的年龄。语义准确性 ，执行功能 、可通过分析语速 、血液检测
、语音年龄还与血浆p-tau217水平升高相关。经济状况、实际年龄与“语音时钟”预测年龄之间的差值， 研究发现
，可重复
、轻度认知障碍患者 、因此未来可能成为监测衰老状态的一种补充手段 ，音高、语音年龄差越大 ，与大脑衰老 、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 。食物保障
、语音年龄差较大的人 ，而语音具有远程采集 、往往也经历了更多不利的社会环境因素
，