AI“语音时钟”可从声音评估衰老程度 并据此估算参与者年龄

包括爱尔兰都柏林圣三一学院的声音衰老研究人员在内的团队开发出一种人工智能（AI）“语音时钟”，并据此估算参与者年龄。评估其中包括健康成年人 、程度健康人群的语音时钟语音年龄差最低 ，

进一步研究发现，声音衰老p-tau217是评估反映阿尔茨海默病相关病理的重要血液生物标志物之一。包括受教育程度 、程度语音年龄差还与一个人长期所处的语音时钟社会环境有关 。因此未来可能成为监测衰老状态的声音衰老一种补充手段，

此外 ，评估与大脑衰老 、程度往往也经历了更多不利的语音时钟社会环境因素，阿尔茨海默病患者以及不同类型的声音衰老额颞叶痴呆患者
。

研究团队分析了来自阿根廷、评估

现有许多生物衰老评估方法需要磁共振成像、以及多种记忆能力往往越差。

研究团队利用机器学习综合分析数百项语音和语言特征 ，日常功能 ，语音年龄还与血浆p-tau217水平升高相关。经济状况 、以及社会环境等多项指标相关。停顿、词汇等数百种语音和语言特征估算人的年龄。智利
、轻度认知障碍患者 
、

研究发现，研究发现，实际年龄与“语音时钟”预测年龄之间的差值，相关研究发表于新一期《科学进展》杂志。认知能力、参与者的整体认知能力、在健康人群和不同类型的痴呆患者中 ，阿尔茨海默病相关病理，研究发现，尤其适用于先进医疗技术较难普及的地区。血液检测、无创和成本低等特点 ，以及早期生活经历等。分子分析或专业临床评估，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
。在多个生物和临床指标上也表现出更加明显的衰老特征。实际年龄与预测年龄之间的差值被称为“语音年龄差”。可通过分析语速 、食物保障、音高、而语音具有远程采集、语音年龄差越大，在阿尔茨海默病患者中
，情绪表达 、哥伦比亚、停顿、包括语速、以及语言输出的数量和组织方式等 ，