Deine Stimme könnte etwas hinzufügen, das altersbedingte Bluttests und Scans vermissen.

Forscher haben getestet, ob eine kurze Zählaufgabe altersbedingte physiologische Informationen erfassen kann, die etablierte Altersuhren möglicherweise übersehen.

Die Stimme könnte laut einer neuen Studie, veröffentlicht in der Zeitschrift npj Aging, ein zugänglicher Marker für funktionales Altern sein.

Hintergrund

Altern ist ein heterogener Prozess, bei dem molekulare, physiologische und funktionale Schäden im Laufe der Zeit unterschiedlich bei Individuen akkumuliert werden. Chronologisches Alter bezieht sich auf die Zeit, die eine Person seit der Geburt gelebt hat, und erfasst nicht vollständig die individuellen alternsbedingten Entwicklungen.

Maße des biologischen Alters schätzen Aspekte des molekularen, zellulären und physiologischen Zustands einer Person mithilfe von epigenetischen, proteomischen und bildgebenden Daten und haben die Risikoabschätzung in Bezug auf das Alter verbessert. Viele dieser Methoden sind teuer oder invasiv, was die großflächige Anwendung erschwert. Diese Faktoren unterstreichen die Notwendigkeit für weit verbreitete, nicht-invasive Biomarker, die Zellschäden mit funktionalem Rückgang verknüpfen können.

Forscher am Weizmann-Institut für Wissenschaften in Israel untersuchten, ob die menschliche Stimme als potenzieller Biomarker für funktionales Altern dienen könnte.

Die Produktion menschlicher Sprache ist ein komplexer motorischer Prozess, der koordinierte Aktionen mehrerer physiologischer Systeme erfordert. Mit dem Altern erfahren diese Systeme gut dokumentierte strukturelle und funktionale Rückgänge, die die Sprachqualität direkt beeinflussen.

Presbylaryngis ist gekennzeichnet durch altersbedingte Atrophie der Stimmbänder, ein Nachlassen der Spannung und eine reduzierte Amplitude der Schleimhautwelle, was die Vibrationseffizienz beeinträchtigt und die Sprachqualität verändert. Systemische altersbedingte Veränderungen, einschließlich Sarkopenie, verringerten Elastizität des Bindegewebes und neuromotorischem Rückgang, können die Sprachproduktion weiter beeinträchtigen.

Diese altersbedingten Veränderungen spiegeln sich in messbaren Merkmalen der menschlichen Sprache wider, darunter erhöhtes spektrales Rauschen, reduzierte Prominenz der Cepstralspitze und das Verhältnis von Harmonischen zu Rauschen sowie veränderte spektrale Steigungen und erhöhte Variabilität der Grundfrequenz.

Menschliche Zuhörer können diese stimmlichen Veränderungen natürlich nutzen, um das Alter eines Sprechers mit einem durchschnittlichen absoluten Fehler von 5 bis 10 Jahren zu schätzen, was einen Referenzpunkt für die Bewertung der Leistung von computergestützten Modellen darstellt.

In der aktuellen Studie gehen die Forscher davon aus, dass tiefenlernende Sprachrepräsentationen das Alter genauer vorhersagen würden als die vier vorgegebenen, ingenieurtechnisch entwickelten akustischen Merkmale und dass sie etablierte akustische Dimensionen des stimmlichen Alterns kodieren würden.

Sie analysierten standardisierte 30-sekündige Sprachaufnahmen von 6.979 israelischen Erwachsenen im Alter von 40 bis 70 Jahren, in denen die Teilnehmer laut von 1 bis 30 in einem angenehmen Tempo zählten. Sie trainierten geschlechtsspezifische Modelle mit tiefenlernenden Sprach-Einbettungen, um das chronologische Alter ausschließlich aus sprachlichen Merkmalen vorherzusagen, und nannten die resultierende Vorhersage „Stimmenalter“.

Sie bewerteten auch die Beschleunigung des Stimmenalters als den Restwert aus einer geschlechtsspezifischen linearen Regression des Stimmenalters auf das chronologische Alter, was anzeigt, ob die Stimme eines Sprechers älter oder jünger als erwartet klang, basierend auf dem angepassten Alters-Trend.

Wichtige Ergebnisse

Die geschlechtsspezifischen Modelle erklärten 54 % der Variabilität des chronologischen Alters bei weiblichen Teilnehmern und 44 % bei männlichen Teilnehmern. Für Frauen und Männer lagen die mittleren absoluten Fehler bei der Altersvorhersage bei 3,95 Jahren bzw. 4,41 Jahren. Diese Fehler sind niedriger als die in Studien mit menschlichen Zuhörern berichteten Werte.

Im Vergleich der Einzelmodalitäten zeigte das Stimmenalter die zweitbeste Vorhersageleistung unter neun Einzelmodellen für das Alter und korrelierte nur teilweise mit anderen etablierten biologischen Altersuhren. Diese Rangfolge war beschreibend, da die Modelle in modalitätsspezifischen Kohorten unterschiedlicher Größen evaluiert wurden.

Die Hinzufügung des Stimmenalters zu acht molekularen, bildgebenden, physiologischen und Lebensstilmodellen verbesserte die Altersvorhersage in 159 von 160 Bewertungen über Geschlechter und Modalitäten hinweg. In Kombination mit der Massenspektrometrie erreichte R² 65 % bei Frauen und 52 % bei Männern.

Bei Männern und Frauen war die Beschleunigung des Stimmenalters mit einem höheren Körperfettanteil, schlafbedingten Atmungsstörungen, niedrigeren nächtlichen Sauerstoffsättigung und Unterschieden in der Leberbildgebung verbunden.

Die Beschleunigung des Stimmenalters zeigte auch geschlechtsspezifische Assoziationen mit der Griffstärke, kardiometabolischen Maßen und Maßen der Knochen Gesundheit. Basierend auf diesen Ergebnissen schlagen die Forscher vor, dass die Beschleunigung des Stimmenalters als geschlechtsspezifische Auswertung interpretiert werden sollte, die Körperzusammensetzung, Schlaf, Leber-, Skelett- und funktionale Physiologie integriert.

Bei Männern standen niedrigere Cholesterin- und Triglyceridwerte in der Gruppe mit älter klingenden Stimmen im Widerspruch zu einem einfachen nachteiligen kardiometabolischen Gradienten, daher sollte die Beschleunigung des Stimmenalters nicht als einheitlicher kardiometabolischer Risikowert betrachtet werden.

Bedeutung der Studie

Die Studie zeigt, dass eine 30-sekündige Sprachaufnahme ein reproduzierbares altersbedingtes Signal enthält und teilweise Informationen über physiologische Zustände erfasst, die von etablierten Altersuhren unabhängig sind. Das Stimmenalter fügte auch prognostische Informationen zu einzelnen molekularen und physiologischen Modellen hinzu.

Tiefenlernende Sprach-Einbettungen, die zum Trainieren der Modelle verwendet wurden, kodierten linear die etablierten akustischen Dimensionen des stimmlichen Alterns, was darauf hinweist, dass die Einbettungen eine physiologisch sinnvolle stimmliche Struktur bewahren. Die Analyse identifizierte nicht, welche Merkmale die Altersvorhersage bestimmten oder die Leistung in neuen Aufnahmeumgebungen feststellte.

Diese Ergebnisse unterstützen das Stimmenalter als potenziellen biomarker für funktionales Altern, der kostengünstig erfasst werden könnte. Da eine Sprachprobe einfach und wiederholt gesammelt werden kann, könnte ein prospektiv validiertes Maß für das Stimmenalter eine kostengünstige erste Schicht der Risikostratifizierung und der langfristigen Überwachung bieten und dazu beitragen, Personen zu identifizieren, die von einer intensiveren physiologischen oder molekularen Bewertung profitieren könnten.

Aufgrund des Querschnittdesigns spiegelt die Beschleunigung des Stimmenalters die Abweichung vom geschlechtsspezifischen Alterstrend zu einem bestimmten Zeitpunkt wider und etabliert nicht den individuellen Alterungsverlauf. Die festgestellten Assoziationen begründen nicht die Kausalität, zukünftige Krankheitsrisiken oder Screening-Leistungen.

Die explorativen phänotypweiten Analysen wurden nicht angepasst an potenzielle Störfaktoren über eine lineare Altersrückstandsanalyse hinaus, und die Testwiederholungszuverlässigkeit über Sitzungen, Geräte und akustische Umgebungen muss noch festgestellt werden.

Die Studienpopulation umfasste nur hebräischsprachige israelische Erwachsene im Alter von 40 bis 70 Jahren von einem einzigen Standort, während WavLM-Large hauptsächlich auf englischer Sprache vortrainiert wurde. In der vorliegenden Studie wurde keine Analyse des Sprachübertrags durchgeführt. Diese Faktoren lassen die Übertragbarkeit über diesen Altersbereich hinweg sowie auf andere Sprachen, Standorte, Aufnahmebedingungen und klinische Populationen unsicher erscheinen.

Quellen: