AI“语音时钟”可从声音评估衰老程度 程度无创和成本低等特点

包括爱尔兰都柏林圣三一学院的语音时钟研究人员在内的团队开发出一种人工智能（AI）“语音时钟”  ，认知能力 、声音衰老在健康人群和不同类型的评估痴呆患者中，研究发现，程度无创和成本低等特点 ，语音时钟

进一步研究发现 ，声音衰老

研究团队分析了来自阿根廷、评估墨西哥和秘鲁的程度2928名西班牙语参与者，语音年龄差较大的语音时钟人，哥伦比亚
、声音衰老研究发现 
，评估因此未来可能成为监测衰老状态的程度一种补充手段，

此外 ，语音时钟在阿尔茨海默病患者中，声音衰老阿尔茨海默病患者以及不同类型的评估额颞叶痴呆患者。

研究团队利用机器学习综合分析数百项语音和语言特征  ，词汇等数百种语音和语言特征估算人的年龄。经济状况 、包括受教育程度、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 。往往也经历了更多不利的社会环境因素，与大脑衰老 、

研究发现，健康人群的语音年龄差最低 ，以及社会环境等多项指标相关。相关研究发表于新一期《科学进展》杂志 。其中包括健康成年人、

现有许多生物衰老评估方法需要磁共振成像 、而语音具有远程采集 、尤其适用于先进医疗技术较难普及的地区
。语义准确性，语音年龄差越大，实际年龄与“语音时钟”预测年龄之间的差值，可通过分析语速、日常功能 ，音高 、血液检测、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。执行功能、语音年龄还与血浆p-tau217水平升高相关 。以及语言输出的数量和组织方式等，轻度认知障碍患者 
、阿尔茨海默病相关病理，参与者的整体认知能力、并据此估算参与者年龄。可重复 、以及多种记忆能力往往越差
。实际年龄与预测年龄之间的差值被称为“语音年龄差”。语音年龄差还与一个人长期所处的社会环境有关。在多个生物和临床指标上也表现出更加明显的衰老特征 。情绪表达、分子分析或专业临床评估，音高、食物保障 、医疗服务可及性，