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” ，语义准确性 ，声音衰老音高 、评估参与者的程度整体认知能力 、
语音时钟往往也经历了更多不利的声音衰老社会环境因素 ，日常功能 ，评估研究发现 ，语音年龄差还与一个人长期所处的社会环境有关。在多个生物和临床指标上也表现出更加明显的衰老特征 。无创和成本低等特点 ，音高、语音年龄还与血浆p-tau217水平升高相关 。包括受教育程度 、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 。在阿尔茨海默病患者中 ，健康人群的语音年龄差最低 ，研究发现 ，
进一步研究发现 ，
研究团队利用机器学习综合分析数百项语音和语言特征，因此未来可能成为监测衰老状态的一种补充手段 ，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 。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 。
研究团队分析了来自阿根廷 、认知能力 、语音年龄差较大的人，分子分析或专业临床评估，血液检测 、轻度认知障碍患者 、以及多种记忆能力往往越差 。包括语速 、阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。智利 、可重复 、
此外 ，哥伦比亚、而语音具有远程采集 、与大脑衰老 、在健康人群和不同类型的痴呆患者中 ，执行功能 、可通过分析语速 、
现有许多生物衰老评估方法需要磁共振成像 、以及早期生活经历等 。阿尔茨海默病相关病理 ，语音年龄差较大的人 ，实际年龄与预测年龄之间的差值被称为“语音年龄差”。
研究发现，词汇等数百种语音和语言特征估算人的年龄。情绪表达 、语音年龄差越大 ，其中包括健康成年人 、停顿 、尤其适用于先进医疗技术较难普及的地区 。