只需四分钟录音：新型语音时钟可预测人体衰老与认知障碍

关键要点

• 研究发表于 Science Advances，仅需 4 分钟语音即可评估个体衰老进程。
• Adolfo Ibáñez University 团队分析了拉美 5 国共 2928 名西语受试者数据。
• 机器学习模型从音频中提取逾 700 项特征，能精准区分健康人与认知受损者。
• University of Toronto 专家指出，该技术为医疗匮乏地区提供了低成本无创筛查方案。

听音判龄的新工具

传统评估人体衰老的「生物时钟」大多依赖侵入性或高成本手段。例如分析脑成像的脑时钟，或是检测 DNA 甲基化修饰的「表观遗传时钟（epigenetic clock）」。这项发表于 Science Advances 的研究另辟蹊径，首次将日常语音作为衰老标记。人类说话需要庞大的大脑神经网络协同运作。研究团队认为，声音细微改变往往是大脑退化与身体衰老的灵敏窗口。

机器学习解构语音

Adolfo Ibáñez University 神经科学家 Agustín Ibáñez 团队收集了来自阿根廷、智利、哥伦比亚、墨西哥和秘鲁共 2928 名西语受试者的录音。样本包括健康人群以及患有轻度认知障碍或阿尔茨海默病的患者。研究者利用机器学习算法从音频中提取出音调、语速和词汇丰富度等 700 多项特征，随后训练模型预测受试者的生物学年龄。

识别潜在认知风险

模型预测年龄与实际年龄之差被称为「语音年龄差（speech age gap）」。测试结果显示，健康受试者的语音年龄与日历年龄高度吻合。而存在认知损伤的人群，其语音年龄往往显著高于实际年龄。二者差距越大，往往预示着更严重的认知障碍。这一工具成功将认知障碍患者与健康对照组区分开来，展现出极强的筛查潜力。

普惠筛查前景可期

多伦多大学（University of Toronto）认知神经科学家 Jed Meltzer 评价该成果令人印象深刻。相比于昂贵的核磁共振扫描与复杂的血液生化检测，语音采集设备要求极低且完全无创。这让语音时钟尤其适合在医疗资源匮乏的偏远地区大规模推广，为早期识别痴呆症高危群体提供了极具成本效益的数字化监测方案。

对研究者的意义

对人工智能与生命科学交叉领域而言，该研究证明了声学高维表征作为数字化生物标志物的可行性。语音生成直接映射中枢神经系统状态，将语音特征与现有的多组学数据、表观遗传时钟相结合，有望构建多模态衰老评估体系，也为医疗大模型在无创初筛与神经退行性疾病早诊中落地提供了轻量化范式。