包括愛爾蘭都柏林聖三一學院的研究人員在內的團隊開發出一種人工智能（AI）“語音時鐘”，可通過分析語速、停頓、音高、詞匯等數百種語音和語言特征估算人的年齡。研究發現，實際年齡與“語音時鐘”預測年齡之間的差值，與大腦衰老、表觀遺傳衰老、認知能力、阿爾茨海默病相關病理，以及社會環境等多項指標相關。相關研究發表於新一期《科學進展》雜志。

　　研究團隊分析了來自阿根廷、智利、哥倫比亞、墨西哥和秘魯的2928名西班牙語參與者，其中包括健康成年人、輕度認知障礙患者、阿爾茨海默病患者以及不同類型的額顳葉痴呆患者。

　　研究團隊利用機器學習綜合分析數百項語音和語言特征，包括語速、停頓、音高、情緒表達、語義准確性，以及語言輸出的數量和組織方式等，並據此估算參與者年齡。實際年齡與預測年齡之間的差值被稱為“語音年齡差”。

　　研究發現，語音年齡差較大的人，在多個生物和臨床指標上也表現出更加明顯的衰老特征。語音年齡差越大，參與者的整體認知能力、執行功能、日常功能，以及多種記憶能力往往越差。

　　進一步研究發現，健康人群的語音年齡差最低，而阿爾茨海默病患者及不同類型額顳葉痴呆患者的語音年齡差逐漸增大。在阿爾茨海默病患者中，語音年齡還與血漿p-tau217水平升高相關。p-tau217是反映阿爾茨海默病相關病理的重要血液生物標志物之一。

　　此外，語音年齡差還與一個人長期所處的社會環境有關。研究發現，在健康人群和不同類型的痴呆患者中，語音年齡差較大的人，往往也經歷了更多不利的社會環境因素，包括受教育程度、經濟狀況、食物保障、醫療服務可及性，以及早期生活經歷等。

　　現有許多生物衰老評估方法需要磁共振成像、血液檢測、分子分析或專業臨床評估，而語音具有遠程採集、可重復、無創和成本低等特點，因此未來可能成為監測衰老狀態的一種補充手段，尤其適用於先進醫療技術較難普及的地區。（記者張佳欣）