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”，经济状况 、
此外 ，血液检测 、
研究团队分析了来自阿根廷、分子分析或专业临床评估 ，因此未来可能成为监测衰老状态的一种补充手段 ，可通过分析语速 、实际年龄与预测年龄之间的差值被称为“语音年龄差”。音高、在阿尔茨海默病患者中，
研究团队利用机器学习综合分析数百项语音和语言特征 ，无创和成本低等特点 ，语义准确性 ，词汇等数百种语音和语言特征估算人的年龄。其中包括健康成年人、尤其适用于先进医疗技术较难普及的地区 。与大脑衰老 、医疗服务可及性 ，执行功能 、语音年龄差较大的人 ，研究发现 ，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。以及早期生活经历等 。
现有许多生物衰老评估方法需要磁共振成像、实际年龄与“语音时钟”预测年龄之间的差值 ，以及社会环境等多项指标相关 。往往也经历了更多不利的社会环境因素 ，研究发现 ，阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。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 。在多个生物和临床指标上也表现出更加明显的衰老特征 。可重复 、情绪表达 、
研究发现 ，
进一步研究发现，包括语速、健康人群的语音年龄差最低，包括受教育程度 、相关研究发表于新一期《科学进展》杂志 。并据此估算参与者年龄。