 |  | Carsten Culmsee |
| | Jana Fedjaev |
| | Antonia Hoffmann |
 |
18.09.2026 07:00 Uhr |
Schon länger wird diskutiert, ob ein Zusammenhang zwischen einer Lithiumexposition und einem Demenzrisiko besteht. Das Alkalimetall greift in verschiedene Prozesse ein, die bei neurodegenerativen Erkrankungen eine Rolle spielen. So hemmt es unter anderem das Enzym Glykogensynthase-Kinase 3, das an der Tau-Phosphorylierung beteiligt ist. Zudem kann Lithium neuroinflammatorische Reaktionen, synaptische Plastizität, Autophagie und die Expression des Wachstumsfaktors BDNF modulieren.
Neue Aufmerksamkeit erhielt das Thema durch eine 2025 in »Nature« veröffentlichte Studie (DOI: 10.1038/s41586-025-09335-x). Darin wurden bei Menschen mit leichter kognitiver Beeinträchtigung und Alzheimer-Erkrankung niedrigere Lithiumkonzentrationen im Gehirn festgestellt. In Tierexperimenten führte ein Lithiummangel zu einer verstärkten Amyloid- und Tau-Pathologie. Dieser Effekt war unter Lithiumorotat geringer ausgeprägt als unter Lithiumcarbonat.
Ein Mangel an Lithium im Gehirn könnte möglicherweise eine Rolle bei der Entstehung von Alzheimer spielen. Eine erste Studie ist angelaufen. / © Getty Images/Just_Super
Ob Lithiumorotat für Menschen mit früher Alzheimer-Erkrankung geeignet sein könnte, soll nun die 2026 registrierte Studie LiO-AD untersuchen. Geplant ist eine neunwöchige Behandlung mit Lithiumorotat in Dosierungen von 240 bis 720 mg täglich, was 10 bis 30 mg elementarem Lithium entspricht, oder mit einem Placebo. Im Mittelpunkt stehen zunächst Fragen der Machbarkeit, Sicherheit und Verträglichkeit. Außerdem soll untersucht werden, ob Lithium nach der Einnahme tatsächlich das Gehirn beziehungsweise den Liquor erreicht. Die kurze Studie ist nicht darauf ausgelegt, eine Demenzprävention oder klinische Wirksamkeit zu belegen.
Künstliche Intelligenz stellt im engeren Sinne keine Präventionsmaßnahme dar, könnte jedoch dazu beitragen, gefährdete Personen frühzeitig zu identifizieren und präventive Interventionen gezielter einzusetzen. Machine- und Deep-Learning-Modelle ermöglichen die integrierte Auswertung von Bildgebungsdaten, Blut- und Liquorbiomarkern, genetischen Informationen, elektronischen Gesundheitsdaten sowie Lebensstilparametern. Auf diese Weise ließen sich potenziell komplexe Muster erkennen, die bei der isolierten Betrachtung einzelner diagnostischer Parameter unentdeckt blieben.
Soziale Kontakte können vor Demenzerkrankungen schützen. / © Getty Images/Highwaystarz-Photography
Bislang ist die klinische Anwendbarkeit dieser Verfahren jedoch eingeschränkt. Viele Modelle basieren auf kleinen oder wenig repräsentativen Datensätzen, wurden nicht extern validiert und sind nur eingeschränkt reproduzierbar. Hinzu kommen mangelnde Transparenz, uneinheitliche Endpunkte sowie das Risiko systematischer Verzerrungen. Für einen routinemäßigen klinischen Einsatz sind daher prospektive Validierungsstudien, nachvollziehbare und erklärbare Modelle, standardisierte Qualitätskriterien sowie der Nachweis erforderlich, dass KI-gestützte Entscheidungen tatsächlich zu einem verbesserten Patientennutzen führen.
