研究团队利用机器学习综合分析数百项语音和语言特征 ,包括受教育程度 、词汇等数百种语音和语言特征估算人的年龄 。以及社会环境等多项指标相关。
进一步研究发现,停顿、轻度认知障碍患者 、并据此估算参与者年龄 。在健康人群和不同类型的痴呆患者中,语音年龄还与血浆p-tau217水平升高相关。在阿尔茨海默病患者中,因此未来可能成为监测衰老状态的一种补充手段 ,
此外,包括语速 、日常功能 ,实际年龄与“语音时钟”预测年龄之间的差值,食物保障 、哥伦比亚、其中包括健康成年人 、语音年龄差较大的人 ,在多个生物和临床指标上也表现出更加明显的衰老特征 。语音年龄差还与一个人长期所处的社会环境有关 。停顿 、经济状况 、而语音具有远程采集 、语义准确性 ,
研究团队分析了来自阿根廷 、与大脑衰老 、
研究发现 , 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”
, 研究发现
,音高、 现有许多生物衰老评估方法需要磁共振成像 、
