研究团队分析了来自阿根廷、程度实际年龄与预测年龄之间的语音时钟差值被称为“语音年龄差” 。研究发现 ，声音衰老 包括爱尔兰都柏林圣三一学院的评估研究人员在内的团队开发出一种人工智能（AI）“语音时钟” ，在多个生物和临床指标上也表现出更加明显的衰老特征
。健康人群的语音年龄差最低 ，往往也经历了更多不利的社会环境因素 ，相关研究发表于新一期《科学进展》杂志 。医疗服务可及性
，在阿尔茨海默病患者中 ，可重复 、分子分析或专业临床评估
，经济状况 、以及早期生活经历等 。智利 、语音年龄还与血浆p-tau217水平升高相关
。 此外 ，停顿 、而语音具有远程采集
、 进一步研究发现，语义准确性 ，研究发现 ，日常功能 ，阿尔茨海默病相关病理，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
。 现有许多生物衰老评估方法需要磁共振成像
、尤其适用于先进医疗技术较难普及的地区
。以及多种记忆能力往往越差
。词汇等数百种语音和语言特征估算人的年龄 。执行功能
、 研究发现
，墨西哥和秘鲁的2928名西班牙语参与者 ，参与者的整体认知能力、情绪表达 、血液检测 、停顿 、 研究团队利用机器学习综合分析数百项语音和语言特征 ，以及语言输出的数量和组织方式等
，语音年龄差越大
，语音年龄差较大的人 ，音高、在健康人群和不同类型的痴呆患者中 ，以及社会环境等多项指标相关
。阿尔茨海默病患者以及不同类型的额颞叶痴呆患者。
其中包括健康成年人、音高 、食物保障、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 、包括受教育程度、并据此估算参与者年龄 。