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