Con la edad, un declive en la funcionalidad motora y cognitiva es inevitable, y afecta en gran medida la calidad de vida de los ancianos y su capacidad para vivir de manera independiente. La detección temprana de estos tipos de declive puede permitir intervenciones y apoyo oportunos para mantener la independencia funcional y mejorar el bienestar general. Este documento explora el potencial de la plataforma GAME2AWE en la evaluación de la condición motora y cognitiva de los ancianos basada en sus datos de rendimiento en el juego. La metodología propuesta implica el desarrollo de modelos de aprendizaje automático para explorar el poder predictivo de las características derivadas de los datos recopilados durante el juego en la plataforma GAME2AWE. A través de un estudio que involucró a quince participantes ancianos, demostramos que utilizar datos del juego puede lograr un alto rendimiento en la clasificación al predecir los estados motores y cognitivos. Se utilizaron varias técnicas de aprendizaje automático, pero Random Forest superó a los otros modelos, logrando una precisión de clasificación que varía del 93.6% para el cribado cognitivo al 95.6% para la evaluación motora. Estos resultados destacan el potencial de utilizar exergames dentro de un entorno rico en tecnología como un medio efectivo para capturar el estado de salud de los ancianos. Este enfoque abre nuevas posibilidades para una evaluación de salud objetiva y no invasiva, facilitando detecciones e intervenciones tempranas para mejorar el bienestar de los ancianos.