AI“语音时钟”可从声音评估衰老程度：Nature报道，Science Advances发表，保险业已率先试点

2026年9月30日，爱尔兰都柏林圣三一学院领衔的国际研究团队在国际顶级期刊《科学进展》（Science Advances）上发表了一项突破性研究：团队开发出一种人工智能（AI）“语音时钟”，仅通过分析一个人说话时的语速、停顿、音高、词汇、情绪表达等数百种语音和语言特征，即可估算其年龄，并评估大脑衰老、认知健康和生物衰老的进程。

《自然》（Nature）在同日以“AI‘语音时钟’评估你衰老的速度”为题进行了专题报道，指出“音高和语音的情感内容是加速衰老的重要预测因子”。研究通讯作者、圣三一学院全球脑健康研究所脑健康教授Agustín Ibáñez表示：“我们的声音包含的关于衰老的信息比我们之前认识到的要多得多。它捕捉了时间的流逝，以及来自认知、大脑、系统性生物学、甚至我们累积的社会环境的信号。”

一、研究概况：2928人、五国跨队列验证

研究团队分析了来自阿根廷、智利、哥伦比亚、墨西哥和秘鲁五个拉丁美洲国家的2928名西班牙语参与者，覆盖健康成年人、轻度认知障碍患者、阿尔茨海默病患者以及不同类型的额颞叶痴呆患者。

在技术路径上，研究团队利用机器学习算法从录音中提取了超过700项语音和语言特征，包括语速、停顿、音高、情绪表达、语义准确性、词汇丰富度，以及语言输出的数量和组织方式等。模型综合这些特征估算参与者的年龄，实际年龄与预测年龄之间的差值被定义为 “语音年龄差”。

研究的关键发现是：语音年龄差较大的人，在多个生物和临床指标上表现出更明显的衰老特征。语音年龄差越大，参与者的整体认知能力、执行功能、日常功能和多种记忆能力往往越差。健康人群的语音年龄差最低，而阿尔茨海默病患者及不同类型额颞叶痴呆患者的语音年龄差逐渐增大。在阿尔茨海默病患者中，语音年龄还与血浆p-tau217水平升高相关——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。

研究还发现，语音年龄差与一个人长期所处的社会环境有关。在健康人群和不同类型的痴呆患者中，语音年龄差较大的人往往也经历了更多不利的社会环境因素，包括受教育程度、经济状况、食物保障、医疗服务可及性及早期生活经历等。

值得注意的是，研究团队明确指出，语音年龄差不仅与语言测试表现相关，还与非语言的认知测量相关。这提示语音时钟捕捉的认知衰退信号并非仅来自语言能力本身，而是更广泛的神经认知功能变化的反映。

二、临床验证：独立于既有生物标志物的补充价值

这项研究的科学价值，不仅在于“语音可以估年龄”，更在于语音年龄与已有生物衰老标志物之间的互补性得到了系统验证。

2026年9月发表于《npj Aging》的一项独立研究，纳入了6979名40至70岁的希伯来语成人，采用30秒语音录音，通过WavLM-Large语音嵌入模型预测实际年龄。结果显示，女性模型的R²为53.9%、平均绝对误差（MAE）为3.95年，男性模型的R²为44.0%、MAE为4.41年。在九种单模态年龄模型中，Voice Age（语音年龄）的预测性能排名第二，且与其他时钟仅部分相关。

更关键的是，当将Voice Age加入到已有的八种分子、影像、生理和生活方式模型中时，所有性别和模态的年龄预测能力均得到一致改善。与质谱代谢组学结合后，女性模型的R²达到65.1%，男性达到52.2%。Voice Age加速还与肥胖、睡眠呼吸障碍、夜间氧合及肝脏影像指标等健康状况相关，并表现出性别特异性关联，包括握力、心血管代谢和骨骼特征等。

《npj Aging》研究明确指出：Voice Age是一种可及的功能性衰老生物标志物，其捕捉的信息与已建立的生物年龄模型形成互补。

这一结论与《Science Advances》研究的发现形成了跨队列、跨语言、跨方法学的相互印证。两项研究共同表明，语音中携带的衰老信号是稳定、可重复且具有临床增量价值的。

三、产业动态：保险业率先落地，健康管理场景加速渗透

语音时钟从实验室走向产业应用的信号，已经在保险行业率先显现。

韩国NH农协生命保险公司于2026年9月14日启动了名为“安心照护电话”的试点服务，运营期为三个月。该服务在保险业内首次将AI驱动的认知健康监测功能与日常问候电话相结合。在通话过程中，系统收集老年人的语音和应答模式，分析语速、词汇、语调、回忆能力等语言指标，追踪认知健康变化趋势。有需要时，可进一步引导用户预约上级综合医院或申请健康体检优待服务。

这一案例的意义在于：语音时钟不再只是一个科研工具，而是正在被嵌入到保险公司的客户服务流程中，成为主动健康管理的触点和风险分层的依据。

在老年照护领域，Callie Care获得50万美元种子前融资，正在构建面向老年照护的AI语音助手，通过自然、自动化的电话与老年人保持联系，分析语音生物标志物以检测早期衰退迹象，并自动向家属和保险公司推送更新。

在临床试验领域，Sonde Health开发的语音生物标志物技术已被用于一项新的美国研究，追踪认知衰退早期阶段的人群。该试点研究将纳入50名50岁及以上、覆盖从正常认知功能到轻度痴呆谱系的受试者。此外，一项由Hackensack Meridian Health主导的“语音衍生数字生物标志物研究”已在美国临床试验注册平台登记，旨在评估通过语音特征分析诊断轻度认知障碍和阿尔茨海默病的准确性。

从保险公司的主动健康管理，到老年照护的远程监测，再到临床试验的受试者筛选——语音时钟的产业应用图谱正在从单一场景向多场景扩展。

四、核心优势：低成本、非侵入、可规模化

语音时钟之所以能快速从研究走向产业，根源在于它解决了现有衰老评估手段的核心瓶颈。

现有的生物衰老评估方法——磁共振成像（MRI）、血液检测、分子分析和专业临床评估——或依赖昂贵设备，或需要侵入性采样，或受限于专业人员可及性。这些方法在科研场景中可操作，但难以在社区、家庭和资源匮乏地区大规模推广。

语音具有远程采集、可重复、无创和成本低等天然优势。Ibáñez教授指出，仅需大约四分钟的语音录音就能显示出“巨大的预测价值”。未参与该研究的多伦多大学认知神经科学家Jed Meltzer评价道：“这是一项非常令人印象深刻的工作。语音时钟可能对追踪低资源地区人群的衰老特别有帮助，因为它不依赖脑部扫描和血液检测等昂贵或侵入性的技术。”

从产业落地的角度看，这意味着语音时钟可以嵌入智能手机、语音助手、远程医疗平台和保险客服系统，以近乎零边际成本的方式完成衰老状态的初步筛查和长期追踪。

五、挑战与展望

尽管前景广阔，语音时钟的产业化仍面临几个需要解决的关键问题。

标准化与跨文化验证。 当前的两项核心研究分别基于西班牙语和希伯来语人群，中文、英语等主要语种的模型验证尚未大规模开展。不同语言的语音特征与衰老之间的映射关系可能存在差异，跨语言迁移的准确性需要进一步验证。

临床级产品的监管路径。 如果语音时钟被定位为“健康管理工具”，其监管门槛相对较低；但如果用于“认知障碍筛查”或“痴呆辅助诊断”，则需要通过医疗器械审批流程。目前Sonde Health等企业已在临床试验层面推进，但距离获得监管批准仍有距离。

数据隐私与伦理。 语音数据包含丰富的个人信息，涉及隐私保护、知情同意和数据安全等问题。在保险场景中使用语音分析进行风险分层，还需要解决“是否构成歧视”等伦理争议。

展望未来，语音时钟最现实的落地路径，可能不是替代现有的生物衰老评估手段，而是作为低成本、可规模化的“第一道筛查”工具——在社区、家庭和基层医疗场景中完成初步风险分层，将有限的医疗资源精准导向最需要进一步评估的人群。正如Ibáñez教授所言：“语音时钟，或许结合生物标志物，最终可能补充那些更昂贵的衰老测量手段。”