日常对话中的停顿、犹豫或找词困难可能揭示大脑健康的隐秘窗口。最新研究表明，这些细微的言语模式与核心认知能力密切相关，暗示着一种简单有效的新方法可及早发现认知衰退。自然语音的时序模式或能成为检测早期认知衰退的实用且敏感指标。
在贝克斯特老年医学中心、多伦多大学和约克大学的联合研究中，研究人员发现言语时序的微小细节（包括停顿、"呃"、"嗯"等填充词及找词困难时刻）与执行功能紧密关联。执行功能指帮助我们规划、记忆信息、保持条理和任务切换的心理能力。该发现为自然言语模式反映核心认知技能提供了迄今最清晰的证据。研究显示，日常对话本身可能携带可量化的脑健康信号，这拓展了先前关于语速较快与老年人更强认知表现相关（Wei等，2024）的发现。
贝克斯特罗特曼研究所高级科学家、该研究 senior author 杰德·梅尔策博士指出："关键信息很明确：言语时序不仅是风格问题，更是大脑健康的敏感指标。"
人工智能揭示隐藏认知信号
为探究此关联，参与者需用语言描述复杂图像，随后完成标准执行功能测试。研究人员运用人工智能深度分析录音，识别出数百个精细的时序与流畅性指标，包括停顿频率、填充词使用及找词前的犹豫。这些模式能强有力预测认知测试表现，且在调整年龄、性别和教育水平因素后仍显著有效。
结果表明，普通言语的节奏与流畅性或可提供实用且可扩展的认知健康监测方式，可能比常规手段更早发现隐匿变化。
日常言语优于标准测试
执行功能随年龄衰退且常在痴呆早期受损，但传统测试因耗时长且易受练习效应（因熟悉度提升的表现）干扰而难以追踪。相比之下，自然言语是日常行为，可重复、无创且大规模测量。它无需强制时限即可以生态有效的方式反映处理速度——这是认知完整性的敏感指标，而传统认知任务通常难以捕捉这一点。
鉴于自然言语分析的便捷性、实用性和敏感性，它成为重复评估的理想选择，可识别认知衰退速度异常者及其罹患痴呆的高风险。"该研究为开发临床或居家认知变化追踪工具奠定基础，早期检测对任何治疗或干预都至关重要，因痴呆涉及渐进性脑退化，及时干预可能延缓病程，"梅尔策博士强调。
纵向追踪将提升检测精度
研究人员强调需开展纵向研究，通过长期追踪个体言语变化来区分正常衰老与疾病早期征兆。他们指出，将自然言语分析与其他测量手段结合，可使认知衰退的早期检测更精准且普及化。
研究发表于2025年12月10日《言语、语言与听力研究杂志》，标题为《自然言语分析可揭示成年期执行功能的个体差异》。
【全文结束】
