Distinguir la enfermedad de Alzheimer (EA) del deterioro cognitivo leve (DCL) es un desafío debido a sus sutiles similitudes morfológicas en la resonancia magnética (RM), sin embargo, se requieren estrategias terapéuticas distintas. Para ayudar a los clínicos junior con experiencia diagnóstica limitada, este documento propone Vi-ADiM, un marco de Vision Transformer diseñado para la diferenciación temprana de EA y DCL. Aprovechando la adaptación de características entre dominios y la augmentación de datos específica para la tarea, el modelo asegura una rápida convergencia y una robusta generalización incluso en regímenes con datos limitados. Al optimizar un módulo de codificación de dos etapas, Vi-ADiM extrae de manera eficiente tanto características globales como locales de la RM. Además, al integrar SHAP y Grad-CAM++, el marco ofrece interpretabilidad multigranular de las regiones patológicas, proporcionando evidencia visual intuitiva para la toma de decisiones clínicas. Los resultados experimentales demuestran que Vi-ADiM supera al estándar ViT-Base/16, mejorando la precisión, la exactitud, el recall y la puntuación F1 en un 0.444%, 0.486%, 0.476% y 0.482%, respectivamente, mientras reduce las desviaciones estándar en aproximadamente un 0.06-0.29%. Notablemente, el modelo logra estas mejoras con una reducción del 48.96% en parámetros y una disminución del 49.65% en el costo computacional (FLOPs), ofreciendo una solución confiable, eficiente e interpretable para el diagnóstico asistido por computadora.