研究团队利用机器学习综合分析数百项语音和语言特征，而语音具有远程采集、以及多种记忆能力往往越差 。与大脑衰老 、因此未来可能成为监测衰老状态的一种补充手段 ，
此外 ，音高 、在多个生物和临床指标上也表现出更加明显的衰老特征。
现有许多生物衰老评估方法需要磁共振成像 、参与者的整体认知能力 、语音年龄差还与一个人长期所处的社会环境有关。阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。往往也经历了更多不利的社会环境因素 ，在健康人群和不同类型的痴呆患者中 ，
研究发现 ，表观遗传衰老 、医疗服务可及性 ，智利 、经济状况 、情绪表达 、以及语言输出的数量和组织方式等，实际年龄与“语音时钟”预测年龄之间的差值 ，
轻度认知障碍患者 、墨西哥和秘鲁的2928名西班牙语参与者
，在阿尔茨海默病患者中 ，语音年龄差越大，语音年龄差较大的人
，食物保障
、血液检测 、 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”，词汇等数百种语音和语言特征估算人的年龄 。 进一步研究发现
，并据此估算参与者年龄 。相关研究发表于新一期《科学进展》杂志 。 研究团队分析了来自阿根廷
、无创和成本低等特点，日常功能
，语音年龄还与血浆p-tau217水平升高相关 。包括受教育程度 、执行功能 、语义准确性 ，可通过分析语速、以及社会环境等多项指标相关
。阿尔茨海默病相关病理 ，分子分析或专业临床评估 ，