声音也能算出「生物年龄」：30 秒录音，误差约 4 岁

研究基本信息

• 期刊：npj Aging，2026-09-11
• 样本：6979 名 40-70 岁、说希伯来语的以色列成年人
• 数据：每人 30 秒语音录音
• 方法：按性别分层的岭回归（ridge），特征来自 WavLM-Large 语音大模型的嵌入向量

预测精度

• 女性：R² = 53.9% ± 0.8%，平均绝对误差（MAE）= 3.95 ± 0.02 岁
• 男性：R² = 44.0% ± 0.4%，MAE = 4.41 ± 0.02 岁

在九种「单模态年龄模型」中，声音年龄的预测性能排第二。

关键发现：它测的是「新东西」

这一点比精度更重要。研究发现，声音年龄与其他时钟只部分相关——包括分子层面、影像层面、生理层面和生活方式的模型。

而当把「声音年龄」加进已有的八个模型后，所有性别和所有模态的年龄预测都得到了改善。再叠加质谱代谢组学数据，女性 R² 达到 65.1%，男性 52.2%。

换句话说：声音里携带了其他检测手段没抓到的衰老信息。

它还和什么相关

把声音年龄对实际年龄做残差处理后得到的「声音年龄加速」，在男女两性中都和以下指标相关：

• 肥胖程度
• 睡眠呼吸障碍
• 夜间血氧水平
• 肝脏影像学指标

另有性别特异性关联：男性涉及握力、心血管代谢与骨骼特征。

怎么看这件事

乐观面：这是一个可规模化、无创、几乎零成本的生物年龄指标。抽血测甲基化时钟需要几百到上千元、要等实验室，而录 30 秒语音不需要任何耗材。如果后续能在更多语种、更多人群上复现，它有潜力成为一种筛查工具。

要泼的冷水：

1. 单一语种人群——希伯来语、以色列，能否推广到其他语言和族群尚不可知
2. MAE 约 4 岁——用来描述群体趋势可以，用来判断「你实际比身份证老 3 岁」就太粗了
3. 相关不等于因果——研究发现声音年龄与睡眠呼吸障碍相关，这不代表「改善睡眠就能让声音变年轻」

本站定位：这是一个方法学上有意思的早期成果（🟡 初步证据），距离可用的临床或消费级工具还有距离。