En este artículo, se propone un método de prueba de concepto para detectar comportamientos anormales en pacientes con demencia basado en un estudio de caso único. Este método incorpora la recolección de datos de lifelog utilizando sensores asequibles y el desarrollo de un sistema basado en aprendizaje automático. Tal enfoque tiene el potencial de permitir la detección rápida de comportamientos anormales en pacientes con demencia dentro de hogares de ancianos y enviar alertas a los cuidadores, lo que podría reducir su carga de trabajo y disminuir el riesgo de accidentes y lesiones. En un experimento de prueba de concepto realizado en un solo paciente con demencia en un hogar de ancianos en Corea, el sistema propuesto, específicamente el modelo de perceptrón multicapa, demostró un rendimiento excepcional, logrando una precisión de 0.99, una exactitud de 1.00, un recall de 1.00 y un puntaje F1 de 1.00. Si bien es rentable y adaptable a varios hogares de ancianos, estos resultados deben interpretarse como preliminares, basados en una muestra limitada. La investigación futura tiene como objetivo validar y mejorar el rendimiento del sistema de detección de comportamientos anormales ampliando los experimentos para incluir datos de lifelog de múltiples hogares de ancianos y una cohorte más grande de pacientes con demencia. La aplicación potencial de este sistema se extiende más allá de los campos de la salud y la medicina, llegando a entornos de hogares inteligentes y diversas otras instalaciones. Este estudio subraya el potencial de este sistema para mejorar la seguridad del paciente, aliviar las preocupaciones familiares y reducir los costos sociales, contribuyendo así a la mejora de la calidad de vida de los pacientes con demencia.