La enfermedad de Alzheimer (EA) representa un importante problema de salud global, afectando a más de 55 millones de personas en todo el mundo, con un impacto progresivo en las habilidades cognitivas y funcionales. La detección temprana, especialmente de un deterioro cognitivo leve (DCL) como indicador de un posible inicio de la EA, es crucial pero desafiante, dadas las limitaciones de los biomarcadores diagnósticos actuales y la necesidad de herramientas no invasivas y accesibles. Este estudio tiene como objetivo abordar estas brechas explorando el rendimiento al conducir como un biomarcador novedoso y no invasivo para la detección del DCL. Utilizando el sistema LiveDrive AI, equipado con tecnología de detección multimodal (MMS) y una estrategia de evaluación del rendimiento al conducir, el trabajo propuesto analiza la capacidad predictiva de los patrones de conducción para indicar un deterioro cognitivo. Se emplearon modelos de aprendizaje automático, entrenados en un conjunto de datos interno anotado por expertos, para detectar el estado de DCL a partir del rendimiento al conducir. Los hallazgos clave demuestran la viabilidad de utilizar características de conducción detalladas, como la velocidad y la aceleración durante los giros, como indicadores de deterioro cognitivo. Este enfoque promete ser integrado en aplicaciones de teléfono inteligente o de automóvil, permitiendo un monitoreo continuo en tiempo real de la salud cognitiva. Las implicaciones de este trabajo sugieren un paso transformador hacia soluciones escalables y reales para el diagnóstico temprano de la EA, con el potencial de mejorar los resultados de los pacientes y el manejo de la enfermedad.