生物行移动版

人类身体和大脑相对于实际年龄的衰老速度，通常需要昂贵且侵入性的临床技术进行量化，如高分辨率结构MRI、PET扫描、全基因组表观遗传甲基化测定或脑脊液生物标志物检测。这些诊断手段在资源匮乏地区或农村社区往往难以普及。然而，人类的每一次发声都精细地调动了呼吸力学、神经肌肉对声带的控制、听觉反馈回路以及高级认知和语言处理网络。近日，来自全球脑健康研究所（GBHI）和都柏林三一学院的国际科研团队开发出一种计算“语音时钟”，仅需通过简单的语音记录，即可评估生物衰老程度及痴呆风险。

研究发表于《Science Advances》，该研究定义的“语音年龄差”（speech age gap）不仅是神经退行性变的指标，还反映了表观遗传衰老及环境逆境的累积效应。该研究对拉丁美洲五个国家的2,928名西班牙语参与者进行了评估，涵盖了认知健康的老年人、轻度认知障碍（MCI）患者以及阿尔茨海默病（AD）或额颞叶痴呆（FTD）患者，弥补了痴呆研究领域长期以来对高收入国家人群的过度依赖。

研究人员利用机器学习架构，从声学动态（如基频、语速、停顿长度、情感调制）和语言结构（如词汇丰富度、语义连贯性、句法复杂性）两方面提取了数百个参数，构建出复合指标以估算个体生物学年龄。结果显示，“语音年龄差”与多种生理领域表现出广泛的收敛性：

1. 神经与认知关联：语音年龄差距越大，MRI影像显示的脑萎缩越明显，且与皮质变薄及功能连接受损密切相关。此外，语音时钟还能反映执行功能受损、工作记忆缺陷及日常生活自理能力的下降。

2. 分子与表观遗传标记：语音年龄差不仅与三个独立的表观遗传DNA甲基化时钟追踪的生物年龄同步，还在阿尔茨海默病患者中与高水平的p-tau217（一种高度敏感的AD病理液体生物标志物）相关联。

3. 社会决定因素：研究发现，终身社会逆境（如受教育程度低、食物匮乏、医疗资源获取受限及经济状况不稳定）显著加速了语音衰老进程，揭示了“社会暴露组”对语音模式的深刻印记。

尽管该技术目前仍处于研究框架阶段，但其作为一种非侵入性、低成本且可扩展的工具，在未来大规模监控健康衰老及预测认知衰退方面展现出巨大潜力。研究人员强调，后续亟需开展前瞻性纵向研究，以验证该语音模型在症状出现前预测未来认知下降的有效性。