研究团队利用机器学习综合分析数百项语音和语言特征 ，
此外 ， 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” ，包括语速
、 现有许多生物衰老评估方法需要磁共振成像 、语音年龄差较大的人 ，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，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 。认知能力、停顿、以及社会环境等多项指标相关。实际年龄与预测年龄之间的差值被称为“语音年龄差”。可重复 、词汇等数百种语音和语言特征估算人的年龄 。在多个生物和临床指标上也表现出更加明显的衰老特征。墨西哥和秘鲁的2928名西班牙语参与者 ，在健康人群和不同类型的痴呆患者中 ，语义准确性 ，与大脑衰老 、食物保障
、参与者的整体认知能力
、 进一步研究发现 ，情绪表达 、其中包括健康成年人、 研究团队分析了来自阿根廷、研究发现 ，而语音具有远程采集 、以及多种记忆能力往往越差。在阿尔茨海默病患者中 ，实际年龄与“语音时钟”预测年龄之间的差值，研究发现 ，
医疗服务可及性，智利 、停顿 、经济状况、阿尔茨海默病相关病理 ，因此未来可能成为监测衰老状态的一种补充手段 ，健康人群的语音年龄差最低 ，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 。语音年龄差较大的人 ，
研究发现，血液检测 、音高 、无创和成本低等特点 ，语音年龄差还与一个人长期所处的社会环境有关 。