GNQ Insilico Inc. hat eine Kooperation mit IBM bekannt gegeben, die darauf abzielt, Organisationen im Gesundheitswesen und in den Life Sciences bei der beschleunigten Einführung einer personalisierten, datengestützten Medizin zu unterstützen. Im Rahmen dieser Zusammenarbeit wird GNQ seine Plattformen für kausale KI-Wirkstoffbewertung, Wirkstoffsimulation und digitale Zwillinge bereitstellen, unterstützt durch die Beratungsexpertise und die Hybrid-Cloud-Implementierungserfahrung von IBM. Die Kooperation wurde durch ein im März 2026 unterzeichnetes globales Joint Initiative Marketing Agreement formalisiert.

Die Plattformen sind darauf ausgerichtet, bestehende Herausforderungen zu bewältigen, indem sie die mechanistischen, kausalen KI-Modelle von GNQ mit der sicheren und skalierbaren Technologieinfrastruktur von IBM kombinieren. Ziel ist es, Life-Science-Unternehmen und Gesundheitsdienstleister bei ihren Bemühungen um eine prädiktivere Wirkstoffentwicklung und fundiertere klinische Entscheidungen zu unterstützen. Das Angebot integriert die Consulting- und Hybrid-Cloud-Services von IBM mit der Digital-Twin-Technologie von GNQ, die kausale Simulationen und die Modellierung biologischer Signalwege nutzt, um Erkenntnisse darüber zu gewinnen, wie einzelne Patienten auf Therapien ansprechen könnten. Gemeinsam soll das Angebot dazu beitragen, Risiken in der klinischen Entwicklung zu reduzieren, die Erfolgswahrscheinlichkeit von Studien zu erhöhen und Klinikern dabei zu helfen, Behandlungsentscheidungen stärker auf Basis mechanistischer biologischer Erkenntnisse zu treffen.

IBM unterstützt GNQ durch Beratung im Bereich Healthcare und Life Sciences, die Bereitstellung von Hybrid-Cloud-Plattformen sowie Systemintegration für einen schnellen Rollout an Klinikstandorten. Die Zusammenarbeit soll als Modell dafür dienen, wie eine Kombination aus kausaler KI und Infrastruktur auf Unternehmensebene über funktionale Medizinnetzwerke, Anbietergruppen und Gesundheitssysteme weltweit hinweg eingesetzt werden kann, gestützt auf die Erkenntnisse der GNQ AI Genomic-Plattformen.