V současné době jsou pacienti s hyperkinetickou poruchou pohybu klasifikováni na základě odborného posudku. V některých případech se používá elektromyografie (EMG). Klasifikace je proto založena především na klinickém hodnocení. Posouzení typu hyperkinetické poruchy pohybu je složité, protože existují malé nuance mezi onemocněními a pacienty mohou mít mnohočetné poruchy. Kromě toho, člověk dělá své pozorování ze svatyně, a proto se vždy dívá na soudržnost toho, co je pozorováno. Pro správnou klasifikaci a diagnostiku hyperkinetických pohybových poruch je nezbytné objektivní pozorování (částí) těla. To se týká četnosti pohybů například horní části paže, úhlů, pod nimiž k tomu dochází, a (v)náhodném. Výsledkem je, že správná klasifikace a diagnostika poruch pohybu má v současné době hodnotu Kappa, což je opatření, které odráží dohodu mezi odborníky, v průměru od 0,5 do 0,6. To znamená, že šance jsou poměrně vysoké, že se provádí špatná diagnóza, je zahájena špatná léčba, a proto účinnost nizozemské péče není optimální. ZiuZ a UMCG chtějí v tomto projektu zkoumat, jak může umělá inteligence přispět ke zlepšení klasifikace a diagnózy s cílem zvýšit ji nejméně na 0,8, a tím snížit počet „špatné“ léčby. Cílem tohoto projektu je proto vytvořit první důkaz principu počítačového diagnostického nástroje (CAD nástroje), jehož cílem je zlepšit diagnostiku, léčbu a hodnocení přirozeného průběhu hyperkinetických pohybových poruch a využít více zdrojů dat (video/senzory/lékařské informace). Výsledky projektu by pak mohly být použity např. na Parkinsonův výzkum, který má rozhraní s třesy.