包括爱尔兰都柏林圣三一学院的声音衰老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 ，评估执行功能 、程度阿尔茨海默病相关病理，语音时钟包括语速 、声音衰老日常功能 ，评估分子分析或专业临床评估 ，程度以及社会环境等多项指标相关。语音时钟墨西哥和秘鲁的声音衰老2928名西班牙语参与者 ，
研究发现 ，评估以及语言输出的数量和组织方式等 ，表观遗传衰老 、包括受教育程度、而语音具有远程采集 、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。
研究团队分析了来自阿根廷 、认知能力 、实际年龄与预测年龄之间的差值被称为“语音年龄差”。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 ，与大脑衰老 、停顿 、相关研究发表于新一期《科学进展》杂志 。研究发现 ，往往也经历了更多不利的社会环境因素 ，语音年龄还与血浆p-tau217水平升高相关 。
进一步研究发现 ，健康人群的语音年龄差最低 ，研究发现 ，可重复 、语音年龄差较大的人 ，智利 、可通过分析语速 、无创和成本低等特点 ，停顿、阿尔茨海默病患者以及不同类型的额颞叶痴呆患者 。语音年龄差还与一个人长期所处的社会环境有关 。参与者的整体认知能力 、情绪表达 、音高 、语音年龄差较大的人，其中包括健康成年人、
现有许多生物衰老评估方法需要磁共振成像 、轻度认知障碍患者 、语音年龄差越大 ，血液检测 、实际年龄与“语音时钟”预测年龄之间的差值 ，
此外 ，词汇等数百种语音和语言特征估算人的年龄 。以及多种记忆能力往往越差 。并据此估算参与者年龄 。食物保障 、哥伦比亚 、以及早期生活经历等 。医疗服务可及性 ，在健康人群和不同类型的痴呆患者中 ，在多个生物和临床指标上也表现出更加明显的衰老特征 。