Spontane Sprache ermöglicht skalierbares digitales Phenotyping physischer Funktionsdefizite im Alter

Warum Ihre Stimme verraten kann, wie gut Sie sich bewegen

Mit zunehmendem Alter sorgen sich viele von uns um ein Nachlassen der körperlichen Leistungsfähigkeit – Treppensteigen, Gleichgewicht halten oder einfach zum Laden gehen. Diese Studie legt nahe, dass eine überraschend einfache Alltagshandlung – eine Minute in ein Smartphone sprechen – Aufschluss darüber geben kann, wie stark unsere Beine sind, wie stabil unser Gleichgewicht ist und wie leicht wir ermüden. Indem beiläufige Gespräche in eine Art „digitalen Check-up“ verwandelt werden, hoffen die Forschenden, die Früherkennung körperlicher Verschlechterung deutlich einfacher und breiter verfügbar zu machen.

Auf der Suche nach versteckten Hinweisen auf körperliches Nachlassen

Das Team untersuchte 271 älterer Erwachsener, die in der Gemeinde leben, mit einem Durchschnittsalter von etwa 77 Jahren. Jede Person absolvierte eine ausführliche körperliche Untersuchung in zehn Funktionsbereichen, darunter Bein­kraft und -leistung, Gehgeschwindigkeit, Handgriffstärke, Gleichgewicht, Beweglichkeit, Muskelmasse in Armen und Beinen, Ausdauer, Mobilität und Ermüdung. Bei demselben Besuch nahmen die Teilnehmenden zwei einminütige Geschichten auf einem Tablet auf: eine über ein positives Lebensereignis und eine über ein negatives. Diese kurzen emotionalen Monologe lieferten natürliche, alltägliche Sprache statt vorformulierter Sätze, wodurch der Test einfach durchzuführen war und der realen Alltagssprache näherkam.

Computern beibringen, den Körper in der Stimme zu hören

Anstatt darauf zu schauen, was die Menschen sagten, untersuchten die Forschenden, wie sie es sagten. Mit Software zerlegten sie jede Aufnahme in drei Arten von Merkmalen. Akustische Merkmale erfassten Eigenschaften wie Tonhöhe, Lautstärke und subtile Unregelmäßigkeiten im Klang. Temporale Merkmale beschrieben das Timing – wie schnell Wörter und Laute produziert wurden und wie häufig und wie lange Pausen auftraten. Linguistische Merkmale spiegelten die Sprachverwendung wider: den Wortschatzreichtum, die Satzkomplexität und die Wortwahl. Diese hunderten Messgrößen wurden dann in maschinelle Lernmodelle eingespeist, die darauf trainiert wurden, für jeden Funktionsbereich zu entscheiden, ob eine Person ein Defizit oder eine normale Leistung zeigte.

Starke digitale Signale körperlicher Schwäche

Die Computermodelle erwiesen sich als bemerkenswert genau. Über die zehn Funktionsbereiche hinweg erreichten die Systeme eine mittlere Fläche unter der Kurve (AUC) von etwa 0,91, ein Wert, der oft als klinisches Niveau angesehen wird. Mit anderen Worten: Aus nur einer Minute Sprache konnten die Algorithmen zuverlässig zwischen älteren Erwachsenen mit und ohne Probleme wie schwache Beinmuskulatur, schlechtes Gleichgewicht, langsames Gehen, eingeschränkte Mobilität, geringe Muskelmasse oder ausgeprägte Ermüdung unterscheiden. Die Kombination der Informationen aus beiden, der positiven und der negativen Sprachaufgabe in sogenannten „gestapelten“ Modellen verbesserte die Leistung für die meisten körperlichen Maße zusätzlich und reduzierte deutlich verpasste Fälle bei wichtigen Ergebnissen wie Handgriffstärke und Gehgeschwindigkeit.

Drei Hauptwege, wie Sprache den alternden Körper widerspiegelt

Als die Forschenden die „Black Box“ ihrer Modelle mit Werkzeugen erklärbarer KI öffneten, stellten sie fest, dass die wichtigsten Hinweise aus akustischen und zeitlichen Merkmalen kamen, wobei Sprachmuster eine beträchtliche, aber variable Rolle spielten. Sie beobachteten drei breite Cluster von Veränderungen. Erstens zeigten viele Personen mit körperlichen Defiziten eine einfachere Sprache: weniger beschreibende Wörter und grundlegendere Konstruktionen, was darauf hindeutet, dass geistige Ressourcen möglicherweise weniger in das Formulieren komplexer Sätze fließen und stattdessen auf das Aufrechterhalten flüssiger Sprache konzentriert werden. Zweitens trat eine neuromotorisch-temporale Verlangsamung auf: langsamere oder fragmentiertere Sprache, längere Konsonantenlaute und häufigere oder längere Pausen, die auf ein gemeinsames Nachlassen der Muskeln hindeuten, die sowohl für Sprechen als auch für Bewegung gebraucht werden. Drittens gab es einen artikulatorisch-spektralen Abbau: weniger stabile Stimmqualität, reduzierte Tonhöhenvariation und veränderte Resonanzmuster, was mit altersbedingter Schwächung der Stimmlippen und der Atemmuskulatur vereinbar ist.

Eine mögliche „Alterungsuhr“ in Ihrer Stimme

Bemerkenswerterweise trugen Standardfaktoren wie Alter und Geschlecht im Vergleich zu den Sprachmerkmalen nur sehr wenig zu den Modellentscheidungen bei. Das legt nahe, dass die Stimme einer Person eher ihr „körperliches Alter“ widerspiegelt als die Anzahl der Geburtstagskerzen. Die Autorinnen und Autoren schlagen vor, dass spontane Sprache als eine Art physische Alterungsuhr dienen könnte – die Stärke, das Gleichgewicht und die Ausdauer des Körpers im Zeitverlauf verfolgt. Da der Test nur eine kurze Aufnahme auf einem gebräuchlichen Gerät erfordert, könnte er letztlich häusliches Screening unterstützen, insbesondere in ländlichen oder ressourcenarmen Regionen, in denen vollständige körperliche Tests schwierig sind. Obwohl weitere Studien in anderen Sprachen und Populationen nötig sind, weist diese Arbeit auf eine Zukunft hin, in der routinemäßige Unterhaltung zugleich als kraftvoller, müheloser Gesundheitscheck für ältere Menschen dient.

Zitation: Da Cunha, E., Zory, R., Chorin, F. et al. Spontaneous speech enables scalable digital phenotyping of physical functional deficits in aging. npj Aging 12, 52 (2026). https://doi.org/10.1038/s41514-026-00343-3

Schlüsselwörter: digitale Biomarker, Altern und Gebrechlichkeit, Sprachanalyse, maschinelles Lernen in der Geriatrie, ferngestützte Gesundheitsüberwachung