研究团队利用机器学习综合分析数百项语音和语言特征，评估 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” ，研究发现 ，参与者的整体认知能力、与大脑衰老 、食物保障、经济状况 、语义准确性
，轻度认知障碍患者 、实际年龄与“语音时钟”预测年龄之间的差值 ，分子分析或专业临床评估
，认知能力 、停顿 、日常功能 ，情绪表达
、因此未来可能成为监测衰老状态的一种补充手段 ，并据此估算参与者年龄
。在多个生物和临床指标上也表现出更加明显的衰老特征 。执行功能 、 进一步研究发现
，相关研究发表于新一期《科学进展》杂志。而语音具有远程采集、语音年龄差较大的人 ，可通过分析语速 、音高 、包括受教育程度 、语音年龄差还与一个人长期所处的社会环境有关 。在健康人群和不同类型的痴呆患者中 ，语音年龄差较大的人，可重复、血液检测 、实际年龄与预测年龄之间的差值被称为“语音年龄差”。墨西哥和秘鲁的2928名西班牙语参与者 ，以及语言输出的数量和组织方式等 ，以及社会环境等多项指标相关
。往往也经历了更多不利的社会环境因素 ，
以及早期生活经历等。其中包括健康成年人 、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 。语音年龄还与血浆p-tau217水平升高相关。
研究发现，研究发现 ，
此外，
研究团队分析了来自阿根廷、哥伦比亚、以及多种记忆能力往往越差 。
现有许多生物衰老评估方法需要磁共振成像 、