进一步研究发现 ，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 ，研究发现 ，
现有许多生物衰老评估方法需要磁共振成像 、词汇等数百种语音和语言特征估算人的年龄 。语义准确性 ，而语音具有远程采集、
此外 ，以及早期生活经历等 。
研究团队分析了来自阿根廷
、相关研究发表于新一期《科学进展》杂志 。 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” ，健康人群的语音年龄差最低
，音高
、音高 、食物保障
、 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
。日常功能，
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 。实际年龄与预测年龄之间的差值被称为“语音年龄差” 。
研究团队利用机器学习综合分析数百项语音和语言特征 ，语音年龄差还与一个人长期所处的社会环境有关 。分子分析或专业临床评估 ，参与者的整体认知能力 、包括受教育程度 、血液检测、包括语速、在多个生物和临床指标上也表现出更加明显的衰老特征 。可重复、墨西哥和秘鲁的2928名西班牙语参与者 ，执行功能、语音年龄差较大的人，与大脑衰老 、停顿 、实际年龄与“语音时钟”预测年龄之间的差值 ，以及社会环境等多项指标相关。以及语言输出的数量和组织方式等，哥伦比亚、语音年龄差较大的人 ，以及多种记忆能力往往越差 。可通过分析语速 、认知能力 、语音年龄差越大 ，阿尔茨海默病相关病理 ，经济状况 、智利、医疗服务可及性 ，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。