Un modello di intelligenza artificiale sviluppato a Manchester entra al centro della nuova strategia globale sull'inquinamento atmosferico. Le ultime stime prodotte con DIMAQ, il Data Integration Model for Air Quality, costituiscono la base di evidenza per il nuovo target dell'OMS: ridurre del 50% entro il 2040 i decessi collegati all'inquinamento dell'aria generato dalle attività umane.
Il dato centrale è netto: le concentrazioni globali di particolato fine PM2.5, dopo un calo progressivo fino al 2020, sono rimaste sostanzialmente stabili a livello mondiale. Si tratta delle particelle microscopiche di fuliggine e polvere capaci di penetrare in profondità nei tessuti polmonari, uno degli indicatori più critici per misurare l'impatto sanitario dell'aria contaminata.
Il software è stato originariamente creato da Dr Matthew Thomas, Lecturer in Data Science & Analytics presso The University of Manchester e Research Scientist al National Centre for Atmospheric Science. Dal 2016 DIMAQ è la spina dorsale delle valutazioni globali dell'OMS sull'esposizione all'inquinamento atmosferico ambientale, un ruolo che lo colloca tra gli strumenti analitici più rilevanti per la governance internazionale della qualità dell'aria.
Il nuovo rilascio dei dati segna il primo aggiornamento algoritmico completo del framework dal 2021. Il modello lavora sintetizzando tre grandi flussi di dati distinti in un unico sistema di mappatura, così da trasformare fonti eterogenee in una rappresentazione coerente dell'esposizione globale. È qui che l'AI assume una funzione operativa: non come esercizio sperimentale, ma come infrastruttura di misurazione a supporto di decisioni pubbliche.
Attraverso questa integrazione, DIMAQ permette alle Nazioni Unite di monitorare due indicatori degli Obiettivi di sviluppo sostenibile: l'SDG 11.6.2, relativo ai livelli urbani di particolato fine, e l'SDG 3.9.1, che riguarda i tassi di mortalità direttamente attribuibili all'aria inquinata. Per istituzioni, amministrazioni e imprese coinvolte nella transizione ambientale, la qualità del dato diventa quindi un prerequisito per fissare obiettivi misurabili e verificabili.
La fotografia più dura riguarda il divario tra economie. Nel 2023, l'esposizione a livelli tossici di PM2.5 superiori alle linee guida OMS sulla qualità dell'aria è risultata oltre 13 volte più alta nei Paesi a basso e medio reddito rispetto a quelli ad alto reddito. Il tema non è soltanto sanitario, ma anche industriale e infrastrutturale: la capacità di misurare con precisione dove si concentra il rischio condiziona investimenti, politiche urbane e standard ambientali.
I funzionari dell'OMS hanno sottolineato che affrontare insieme crisi climatica e salute pubblica richiede dati affidabili, capaci di rendere visibili disuguaglianze globali profonde. In assenza di sistemi comparabili, il rischio è che le politiche restino agganciate a medie nazionali poco utili per individuare comunità esposte, aree urbane critiche e popolazioni più vulnerabili.
L'evoluzione annunciata per il framework sviluppato dall'Università di Manchester va in questa direzione: passare da dati ampi sulla popolazione a modelli di esposizione personale. L'obiettivo è fornire ai decisori internazionali evidenze sempre più iperlocali, utili a sostenere regolazioni ambientali più incisive e a proteggere le fasce più fragili nei prossimi due decenni.