语音时钟（Speech Clock）解码痴呆表型、社会暴露组（Social Exposome）与生物衰老：一项跨五国2928人的多模态队列研究

《SCIENCE ADVANCES》：Speech clocks decode dementia phenotypes, social exposome, and biological aging

　　

生物衰老时钟（biological aging clocks）为衰老和痴呆提供估计，然而其可扩展性有限。研究人员引入一种大规模、跨国家语音时钟（speech clock），其来源于五个拉丁美洲国家的2928名个体，涵盖健康对照（healthy controls, HCs）、轻度认知障碍（mild cognitive impairment, MCI）、阿尔茨海默病（Alzheimer’s disease, AD）以及非语言主导/语言主导型额颞叶痴呆（non-language-dominant/language-dominant frontotemporal dementia, nldFTD/ldFTD）。多模态声学与语言特征经监督模型训练以估计实际年龄（chronological age），生成语音年龄差（speech age gaps, SAGs）作为偏离实际年龄的横断面标志；正值解释为相对更显老的言语特征谱。SAGs可区分诊断组（HCs低于患者组，且AD低于nldFTD，nldFTD低于ldFTD）。该模式与临床/认知域相关。SAGs与AD中的磷酸化tau（phosphorylated tau, p-Tau₂₁₇）以及HCs和AD中的社会暴露组（social exposome）相关。脑时钟（结构/功能/联合）与AD、nldFTD和ldFTD中的SAG相关。表观遗传年龄在Hannum、Retroclock和OMICmAge中与HCs和AD中的SAGs相关，而ldFTD的关联仅限于Retroclock和OMICmAge。这些结果表明，SAGs捕捉横断面多层次衰老相关变异，并可能为代表性不足的全球环境研究提供可扩展、文化适应、低成本候选生物标志物。

研究背景：衰老时钟已发展为维度性和跨诊断指标，通过偏离实际年龄评估加速或延迟的生物衰老，可量化个体衰老轨迹、捕捉环境暴露与生活方式并表征疾病。生物行为年龄差（biobehavioral age gaps, BBAGs）可反映社会暴露组对加速衰老的影响；脑年龄差（brain age gaps, BAGs）来自功能磁共振成像（functional magnetic resonance imaging, fMRI）和脑电图等；表观遗传时钟基于DNA甲基化等；多维衰老时钟整合生物行为、神经影像和DNA甲基化数据。然而，现有衰老时钟在健康老年人和痴呆患者实施中仍存在缺口：脑和血液生物标志物昂贵、后勤要求高，在低资源环境可及性有限；BBAGs依赖低可扩展工具，正式测试需专业临床医生实施和评分，自评问卷依赖读写能力并带有主观偏倚。因此，需要客观、自动化、可负担、非侵入的衰老标志物，以便在痴呆负担高、代表性不足地区进行及时、大规模、公平部署。自然语音分析提供潜在替代方案，声学和语言特征对衰老和痴呆的核心认知-运动特征敏感，如处理速度下降、情感平淡和语义记忆变化；语音时序可反映处理速度，音高和情感内容反映情感，语义具体性（concreteness）和粒度（granularity）以及词汇和言语量特征反映语义记忆变化。自动语音和语言分析可低成本、多语言、客观地提取这些特征，并可能估计SAGs。但此前尚无研究检查SAGs及其与衰老和痴呆多模态表型的关联。基于此，研究人员开展跨五国多中心研究，论文发表在《SCIENCE ADVANCES》。研究得出SAGs可区分诊断组，并与临床/认知、血浆p-Tau₂₁₇、社会暴露组、脑时钟和表观遗传时钟相关，提示其可作为可扩展、文化适应、低成本的衰老候选标志物。

关键技术方法：研究基于ReDLat队列，纳入五个拉丁美洲国家（阿根廷、智利、墨西哥、秘鲁、哥伦比亚）2928名西班牙语参与者，包括HCs、MCI、AD、nldFTD和ldFTD。采用7项标准化语音任务录音，经自动化预处理、说话人分离和Whisper Large-v3转录，提取超过700个声学与语言特征并构建七类复合预测因子。使用直方图梯度提升回归、嵌套10折交叉验证和SMOGN（仅HCs）估计实际年龄并计算SAGs。关联分析包括血浆p-Tau₂₁₇、临床/认知评分、社会暴露组（multimodal social exposome, MSE）、结构/功能/联合脑时钟及Hannum、Retroclock、OMICmAge表观遗传时钟；并进行留一国家法（leave-one-country-out, LOCO）、倾向评分匹配等敏感性分析。

研究结果：

基于语音复合特征的SAG构建（SAG building using speech composite features）：通过七类复合语音特征预测实际年龄，模型R²=0.44，f²=0.80，r=0.67，均方根误差（root mean squared error, RMSE）=11.05，平均绝对误差（mean absolute error, MAE）=9.04，平均方向误差（mean directional error, MDE）=?0.08；言语量（verbosity）和语音时序是最重要类别，与延迟/保留衰老相关，音高和情感内容主导加速衰老；偏倚校正后r=0.74。结论是复合语音特征捕捉可解释的衰老信号。

SAGs区分诊断类别（SAGs capture diagnosis categories）：采用10,000次迭代置换检验，HCs的SAGs低于所有患者组，Cliff’s delta（δ_d）=0.33至0.76，所有P小于1×10^?5；患者中ldFTD的SAGs最大，超过AD和nldFTD，nldFTD大于AD；无数据增强和LOCO分析结果一致。

血浆生物标志物p-Tau₂₁₇（Plasma biomarker p-Tau₂₁₇）：SAGs与血浆p-Tau₂₁₇正相关，r=0.21，d=0.42，P=3.30×10^?6；组内分析仅AD患者呈正相关，r=0.18，P=0.01，HCs、nldFTD和ldFTD无其他个体关联。

SAGs与临床/认知域（SAGs and clinical/cognitive domains）：加速衰老与更差认知相关，r=?0.21至?0.38，d=0.44至0.81；AD和nldFTD在所有评估域呈一致负相关，记忆结局效应最强；表明SAGs反映广泛认知衰老而非仅域特异变异。

SAGs与语言和非语言域（SAGs and linguistic and nonlinguistic domains）：更大SAGs与更差语言表现相关，r=?0.38，d=0.81，P=2.63×10^?98；与非语言表现相关，r=?0.31，d=0.64，P=9.14×10^?64；语言任务耦合强于非语言任务；组内语言关联见于HCs、AD、nldFTD、ldFTD，非语言关联见于HCs、AD、nldFTD。

社会暴露组（Social exposome）：更大SAGs与更不良MSE相关，r=?0.22，d=0.45，P=2.10×10^?21；组内显著见于HCs和AD患者。

SAGs与生物衰老（SAGs and biological aging）：脑时钟方面，SAGs与结构、功能、联合BAGs正相关，r分别为0.42、0.49、0.53，d分别为0.92、1.13、1.26；组内HCs、AD、nldFTD、ldFTD均呈正相关。表观遗传时钟方面，SAGs与Hannum、Retroclock、OMICmAge的表观遗传年龄加速（epigenetic age acceleration, EAA）正相关，r=0.20至0.21，d=0.40至0.43；HCs和AD在三个时钟中一致正相关，ldFTD仅与Retroclock和OMICmAge正相关。

SAGs在诊断判别中优于单个语音特征域（SAGs outperform individual speech-feature domains in diagnostic discrimination）：调整年龄、教育和性别后，SAGs在所有临床对比中优于孤立特征域；语言和语义记忆特征强于声学特征，ldFTD尤其由语言特征驱动；聚合最优语言和声学特征仍不及完整SAG复合的判别力。

敏感性模型确认SAGs诊断差异（Sensitivity models confirm diagnostic differences in SAGs）：三个递进方差分析模型均显示临床诊断效应高度显著，P小于1×10^?15；共病复合评分和语言数未实质改变主效应；教育对语音预测因子影响最大，性别主要影响音高相关特征，年龄效应小，共病和语言数影响可忽略。

偏倚校正、多语言与网络水平脑年龄收敛（Bias correction, multilingualism, and network-level brain-age convergence）：预测年龄与实际年龄紧密贴合，残差近似均匀，偏倚校正有效；语言数与SAGs弱负相关，r=?0.09，斜率=?1.21，未达传统显著但方向与多语言保护一致；网络水平BAG分析显示SAGs与全局语言网络和言语产生网络显著相关，但弱于全脑效应，显著性网络较小显著，默认模式网络、执行网络、运动网络和视觉网络不显著。结论是SAGs主要耦合全脑衰老相关系统，其次涉及语言和显著性过程。

讨论部分总结：该研究引入大规模语音时钟，显示语音特征可捕捉健康个体和主要痴呆综合征中的加速或保留衰老。SAGs区分诊断组，并与独立生物和表型标志物系统收敛。SAGs不是单纯表面认知标志，而可能反映系统性衰老的功能表达，整合生物、运动、认知、语义、情感和社会过程。相比传统时钟，SAGs具有低成本、自动化、可远程采集且无需专业人员的转化优势；与tau病理、认知、社会暴露组、MRI和甲基化时钟的收敛支持分子、神经、行为与语言层面的潜在衰老因子。SAGs与脑时钟的收敛强于表观遗传时钟，提示部分器官特异性；网络水平关联主要见于语言和显著性网络但弱于全脑。既往语音研究多聚焦单病、单中心或窄特征，SAGs复合框架在临床对比中判别力最强。研究优势包括大样本、五国地理多样性、标准化自动化多模态流程、整合血浆生物标志物、详细神经心理、MSE、结构和功能脑时钟及表观遗传时钟。局限包括以横断面为主，不能因果推断或预测未来转化；多中心录音条件、麦克风和语音提示可能引入残差噪声；自动语音特征工具可能嵌入方言或文化偏倚；性别、共病和情绪波动可能影响语音；部分诊断组和生物标志物子集样本量有限；数据限于拉丁美洲队列和相对结构化任务；跨语言和多语言效应需未来系统验证。

研究结论翻译：总之，SAGs提供一种具有生物学意义、可扩展且文化适应的衰老测量，与认知表现、体液生物标志物、社会暴露组、神经影像衍生脑时钟和表观遗传衰老相一致。研究结果表明，语音时钟为健康和疾病中的多模态衰老提供捷径，可用于不同人群的早期检测、公平监测和精准预防策略。该框架为将语音时钟整合到全球衰老研究、临床工作流程和公共卫生倡议中开辟新途径，旨在改善痴呆预防并促进跨社会文化背景的脑健康公平。