El rápido crecimiento de la población anciana ha aumentado el número de pacientes con deterioro cognitivo (CI). La detección temprana y el tratamiento médico continuo pueden ralentizar la progresión del CI y reducir significativamente el costo de tratar a los pacientes. Sin embargo, distinguir el CI del declive cognitivo natural asociado con el envejecimiento es un desafío. Estudios previos realizados para identificar a pacientes con CI utilizando datos de lifelog no consideraron los cambios en los datos de lifelog con el tiempo porque cada punto de datos se aprendió individualmente. Este estudio introduce un modelo que predice a pacientes con CI basado en datos de lifelog de sueño y analiza factores de sueño significativos que influyen en el deterioro cognitivo. Este estudio siguió tres pasos: (1) recopilación de datos de lifelog de sueño de personas mayores coreanas y reconstrucción de los datos de lifelog de sueño como datos de series temporales; (2) construcción de un modelo para clasificar el CI utilizando una serie temporal de datos de lifelog de sueño y un modelo de memoria a corto y largo plazo; y (3) identificación de factores de sueño que influyen en el inicio del CI utilizando un algoritmo de IA explicativo. El modelo de clasificación propuesto para el CI logró una sensibilidad del 0.89, una especificidad del 0.80 y un área bajo la curva característica de operación del receptor de 0.92. Este estudio facilitará la detección no invasiva, el diagnóstico y el monitoreo continuo del CI en las personas mayores.