说话时频繁“嗯”和停顿，可能是早期痴呆的信号

本研究为自然语言模式与核心认知能力之间的关联提供了迄今最有力的证据之一。研究人员请参与者观看复杂图片后自由描述，同时完成标准化执行功能测试（如工作记忆、抑制控制、任务切换等）。随后，利用人工智能深度分析录音，自动提取数百种细微语音特征，包括停顿时长与频次、填充词（如“嗯”“啊”）使用情况、语流节奏变化等。结果发现，这些语音指标能稳定预测参与者的认知测试表现——即使已排除年龄、性别、教育程度等干扰因素。执行功能会随年龄增长自然下降，也是阿尔茨海默病等痴呆症最早受损的认知领域之一；但传统纸笔或电脑测试耗时较长、易产生练习效应（即重复做题后成绩提升并非真实改善），难以高频、长期追踪。相比之下，说话是日常生活行为，语音采集可做到无感、便捷、规模化，还能真实反映人在实际场景中的信息处理速度和整体认知状态，无需严格计时。研究团队认为，语音分析未来可能成为识别‘认知衰退加速者’的实用工具，帮助提前发现痴呆高风险人群。首席科学家Jed Meltzer博士指出：‘说话节奏不只是个人风格问题，更是大脑健康的灵敏晴雨表。’该成果为开发临床或家庭可用的认知动态监测工具奠定基础——而早期发现对延缓脑部退化至关重要。后续还需开展长期跟踪研究，区分正常老化与疾病早期信号；并探索将语音分析与血液标志物、睡眠数据、运动记录等其他健康指标结合，进一步提升预警的准确性、可行性和普及度。