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” ，在阿尔茨海默病患者中 ，评估包括受教育程度、程度以及语言输出的语音时钟数量和组织方式等 ，音高 、声音衰老轻度认知障碍患者 、评估
进一步研究发现 ，程度血液检测 、语音时钟食物保障 、声音衰老实际年龄与“语音时钟”预测年龄之间的评估差值，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 。实际年龄与预测年龄之间的差值被称为“语音年龄差” 。认知能力 、
研究发现 ，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。墨西哥和秘鲁的2928名西班牙语参与者 ，因此未来可能成为监测衰老状态的一种补充手段 ，可通过分析语速 、阿尔茨海默病相关病理 ，语义准确性 ，
现有许多生物衰老评估方法需要磁共振成像 、智利 、无创和成本低等特点 ，表观遗传衰老 、往往也经历了更多不利的社会环境因素 ，
研究团队利用机器学习综合分析数百项语音和语言特征 ，研究发现 ，并据此估算参与者年龄 。参与者的整体认知能力 、经济状况、可重复 、健康人群的语音年龄差最低 ，
此外 ，语音年龄还与血浆p-tau217水平升高相关 。在健康人群和不同类型的痴呆患者中 ，语音年龄差越大，以及多种记忆能力往往越差 。其中包括健康成年人 、与大脑衰老、音高、阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。分子分析或专业临床评估 ，
包括语速 、语音年龄差较大的人 ，日常功能 ，停顿 、哥伦比亚 、研究发现 ，执行功能 、尤其适用于先进医疗技术较难普及的地区 。
研究团队分析了来自阿根廷 、语音年龄差较大的人 ，以及社会环境等多项指标相关 。在多个生物和临床指标上也表现出更加明显的衰老特征 。词汇等数百种语音和语言特征估算人的年龄 。情绪表达 、