Derzeit werden Patienten mit hyperkinetischen Bewegungsstörungen auf der Grundlage des Gutachtens klassifiziert. Elektromyographie (EMG) wird in einigen Fällen verwendet. Die Einstufung beruht daher hauptsächlich auf der klinischen Bewertung. Die Beurteilung der Art der hyperkinetischen Bewegungsstörung ist komplex, da es kleine Nuancen zwischen Krankheiten und Patienten gibt, die mehrere Störungen haben können. Darüber hinaus macht der Mensch seine Beobachtung von einer holitischen Art und Weise und betrachtet daher immer die Kohärenz dessen, was beobachtet wird. Für eine korrekte Klassifizierung und Diagnose von hyperkinetischen Bewegungsstörungen ist eine objektive Beobachtung (Teile) des Körpers unerlässlich. Dies betrifft die Häufigkeit der Bewegungen, z. B. des oberen Arms, der Winkel, unter denen dies auftritt, und (in)random. Das Ergebnis ist, dass die korrekte Klassifizierung und Diagnose von Bewegungsstörungen derzeit einen Kappa-Wert hat, eine Maßnahme, die verwendet wird, um die Vereinbarung zwischen den Spezialisten von durchschnittlich 0,5 bis 0,6 widerzuspiegeln. ZiuZ und UMCG wollen in diesem Projekt untersuchen, wie künstliche Intelligenz zur Verbesserung der Klassifizierung und Diagnose beitragen kann, um sie auf mindestens 0,8 zu erhöhen und so die Zahl der „falschen“ Behandlungen zu verringern. Ziel dieses Projekts ist es daher, einen ersten prinzipiellen Nachweis eines Computer Aided Diagnostic Tool (CAD-Tool) zu entwickeln, das die Diagnose, Behandlung und Bewertung des natürlichen Verlaufs von hyperkinetischen Bewegungsstörungen und unter Verwendung mehrerer Datenquellen (Video/Sensoren/medizinische Informationen) verbessern soll. Die Projektergebnisse könnten dann auch auf z. B. Parkinsons Forschung angewendet werden, die Schnittstellen zu Zittern hat.