本研究提出了一种基于WavLM特征的分类器，能够从语音中预测说话者的年龄、性别、母语、教育和国家等人口特征。该方法实现了年龄预测的平均绝对误差为4.94，性别分类准确率超过99.81%，显著提高了预测精度。

本研究探讨了医疗环境中因倾听者偏见导致的证言不公正问题，分析了年龄、性别和种族等人口特征与证言不公正的关系，强调了交叉性在改善医疗偏见和不公正体验中的重要性。