Questa ricerca si propone di analizzare l'efficacia dell'utilizzo combinato di dati clinici e immagini TC (Tomografia Computerizzata) per la previsione dell'andamento della capacità polmonare in pazienti affetti da fibrosi polmonare idiopatica (IPF), una malattia cronica del sistema respiratorio. Nonostante gli sforzi nella ricerca medica, le cause esatte della fibrosi polmonare idiopatica rimangono ancora sconosciute. L'indagine si basa sull'impiego di modelli intelligenti per affrontare le sfide diagnostiche e prognostiche legate alla fibrosi polmonare idiopatica, con particolare attenzione all'utilizzo dei Vision Transformers (ViT), al fine di superare i modelli vincitori della challenge "OSIC Pulmonary Fibrosis Progression" su Kaggle. Il dataset utilizzato comprende 176 tomografie toraciche e feature tabulari, inclusi i valori di Forced Vital Capacity (FVC) acquisiti durante le visite di follow-up.