Los métodos actuales para diagnosticar la enfermedad de Alzheimer utilizando la Resonancia Magnética (MRI) tienen limitaciones significativas. Muchos estudios anteriores utilizaron Transformadores 2D para analizar rebanadas cerebrales individuales de manera independiente, perdiendo potencialmente información contextual crítica en 3D. Los modelos basados en regiones de interés a menudo se centran en solo algunas áreas cerebrales a pesar de que el Alzheimer afecta múltiples zonas. Además, la mayoría de los modelos de clasificación se basan en una sola prueba, mientras que el diagnóstico del Alzheimer requiere un enfoque multifacético que integre diversas fuentes de datos para una evaluación más precisa. Este estudio presenta una metodología novedosa llamada Transformador de Visión 3D con Múltiples Entradas y Datos Mixtos (MIMD-3DVT). Este método procesa rebanadas consecutivas juntas para capturar las dimensiones de las características e información espacial, fusiona múltiples entradas de datos de imágenes 3D de ROI, e integra datos mixtos de factores demográficos, evaluaciones cognitivas e imágenes cerebrales. La metodología propuesta fue evaluada experimentalmente utilizando un conjunto de datos combinado que incluyó la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI), el Estudio de Envejecimiento de Imágenes, Biomarcadores y Estilo de Vida de Australia (AIBL), y la Serie de Estudios de Imágenes de Acceso Abierto (OASIS). Nuestro MIMD-3DVT, utilizando uno o varios ROIs, logró una precisión del 97.14%, superando a los métodos más avanzados en distinguir entre Cognición Normal y la Enfermedad de Alzheimer.