环境是健康最关键的决定因素之一。《全球疾病负担》报告估计，在全球范围内，尤其是对老龄人口而言，残疾和生活质量下降方面的影响正在显现。造成这一下降的根本原因之一，很可能源于社会环境风险因素与亚临床状况之间的相互作用，从而导致痴呆、COPD、脑血管疾病以及慢性缺血性心脏病等主要非传染性疾病的增加。

这些相互作用的多维因果路径在很大程度上仍然未知。在这一复杂情境下，暴露与结局之间的关系高度可变且多面，健康影响评估（HIA）流程是评估该问题的标准工具——从筛查健康风险因素，到提出新的卫生政策并监测其效果。然而，能够动态适应这些决定因素及其相互作用变化的全数字化 HIA 系统，仍有待深入探索。

人工智能算法通过增强对复杂数据集的处理与解释，为 HIA 的实施提供了创新且高性能的可能性。本提案旨在开发一套技术工具包，用于构建动态、智能的 HIA，以预测各类决定因素的健康影响，并预估残疾与生活质量的变化轨迹。该方法将利用环境、社会经济、地理和临床数据，并通过联邦学习架构进行统一管理。

所生成的预测模型将根据通过大规模、基于人群的数字化调查收集的数据，对生活方式和个体状况进行校正。这些模型将使用与钢铁厂污染相关的三个暴露案例研究进行训练和验证：塔兰托（意大利）、里布尼克（波兰）和弗兰德斯（比利时）。

征集：
HORIZON-HLTH-2022-ENVHLTH-04

巴里理工大学的角色：
合作伙伴

理工大学科研负责人：
Tommaso Di Noia 教授（DEI）

学科领域：
ING-INF/05 – 信息处理系统