你的声音或许能揭示衰老速度和程度

一项大型研究表明，基于语音的机器学习时钟可以估计实际年龄，并且还可以提供有关大脑衰老、生物衰老、认知健康、累积负担和痴呆症的窗口。 这项发表在国际顶尖期刊 《科学进展》（Science Advances）上的新研究 表明，研究人员开发了一种“语音时钟”，能够根据语音中数百种声学和语言特征来估算一个人的实际年龄。研究还发现，实际年龄与语音预测年龄之间的差异（称为语音年龄差）与多种独立的生物衰老指标、大脑健康、认知能力、社会逆境和痴呆症相关。 这项研究分析了来自阿根廷、智利、哥伦比亚、墨西哥和秘鲁的2928名西班牙语参与者，其中包括健康成年人以及患有轻度认知障碍、阿尔茨海默病和不同类型额颞叶痴呆的患者。研究人员并没有关注语音的单一特征，而是利用机器学习技术分析了数百个特征，这些特征捕捉了人们说话的方式和内容：包括语速和停顿、音调、情感内容、词汇量、语义精确度以及语言输出的数量和组织方式。机器学习模型将这些特征结合起来，以估算实际年龄并生成个体语音年龄差。 语言表达水平与实际年龄不符的人，其多个生物学和临床系统也表现出加速衰老的迹象。语言年龄差距与通过结构和功能神经影像学测量的脑年龄相关。此外，它还与表观遗传衰老有关，表观遗传衰老是通过三种独立的DNA甲基化时钟测量的，这些时钟基于DNA中与年龄相关的化学变化来估算人体的生物学“年龄”。 此外，言语年龄提前程度越高，整体认知能力、执行功能、功能性能力以及多种记忆形式的能力就越差。重要的是，这些关联并非仅限于语言测试：言语年龄也与非语言认知测试的表现相关。 语音年龄时钟还能区分健康个体和痴呆症患者。健康参与者的语音年龄差距最小，而阿尔茨海默病和各种额颞叶痴呆患者的语音年龄差距则逐渐增大。与单独考虑的声学或语言特征相比，完整的语音年龄测量方法能更好地区分临床组别。在阿尔茨海默病患者中，该测量方法与血浆中磷酸化tau蛋白217（p-tau217）水平升高相关，p-tau217是阿尔茨海默病病理学最重要的血液生物标志物之一。同样的语音年龄测量方法也能追踪认知和临床功能。 言语也承载着社会信号。在健康个体以及患有阿尔茨海默病和其他痴呆症的人群中，言语衰老加速与更不利的社会暴露因素相关：这些因素包括终身因素的组合，例如教育程度、经济状况、食品安全问题、医疗保健服务获取以及早期生活经历。 “我们的声音似乎包含着比我们之前认识到的更多的关于衰老的信息，”都柏林圣三一学院全球脑健康研究所 和 医学院脑健康教授、该研究的资深作者奥古斯丁·伊巴涅斯说。 “它既能捕捉时间的流逝，又能反映认知、大脑、系统生物学，甚至我们累积的社会环境所发出的信号。这表明，像语音时钟这样简单易用的方法，或许可以与生物标志物相结合，最终补充那些成本高昂得多的衰老测量方法。” 这项研究可能产生哪些影响？ 其潜在影响十分重大。目前许多生物衰老检测方法需要核磁共振成像、血液样本、分子检测或专门的临床评估。相比之下，语音可以远程、重复、无创地记录，而且成本极低。这在难以获得先进诊断技术的国家和地区尤为重要。 由于该研究是在五个拉丁美洲国家进行的（该地区在痴呆症研究方面历来代表性不足），因此它也提供了证据，表明复杂的衰老生物标志物不一定需要完全依赖于在高资源环境中开发的昂贵技术。 然而，研究人员强调，语音时钟目前还不能用于诊断痴呆症。这项研究主要采用横断面研究设计，这意味着它无法确定语音特征的衰老迹象是否能预测哪些人日后会出现认知能力下降或痴呆症。在临床应用之前，还需要开展纵向研究，在其他语言和文化背景下进行验证，并在更自然的语音环境中进行测试。 “然而，更广泛的发现令人震惊，因为一个人的声音可以非常简洁地反映出衰老的多个方面，”伊巴内斯教授补充道。 “从实际年龄到大脑老化、表观遗传老化、认知、阿尔茨海默病相关病理、社会暴露和痴呆表型，传统上通过非常不同且通常昂贵的测量方法获得的信息，似乎至少在一定程度上在我们说话的方式上趋于一致。 “如果纵向研究和跨人群研究证实了这一点，那么言语最终可能成为监测健康和加速衰老的最可扩展工具之一——有可能将日常人类行为转变为了解衰老生物学的窗口。”