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