Praegu klassifitseeritakse hüperkineetilise liikumise häiretega patsiendid eksperdiarvamuse alusel. Mõnel juhul kasutatakse elektromüograafiat (EMG). Seetõttu põhineb klassifitseerimine peamiselt kliinilisel hindamisel. Hüperkineetilise liikumise häire tüübi hindamine on keeruline, sest haiguste vahel on väikesed nüansid ja patsientidel võib olla mitu häiret. Lisaks sellele teeb inimene oma tähelepanekut holiidilt ja vaatleb seetõttu alati vaadeldud järjekindlust. Hüperkineetiliste liikumishäirete nõuetekohaseks klassifitseerimiseks ja diagnoosimiseks on oluline keha (osade) objektiivne jälgimine. See puudutab näiteks õlavarre liikumiste sagedust, nurki, mille all see aset leiab, ja (in)juhuslikke liikumisi. Kõige selle tulemuseks on see, et liikumishäirete õigel klassifitseerimisel ja diagnoosimisel on praegu Kappa väärtus, mida kasutatakse spetsialistide vahelise kokkuleppe kajastamiseks, keskmiselt 0,5–0,6-st. See tähendab, et tõenäosus on suhteliselt suur, et tehakse vale diagnoos, alustatakse valet ravi ja seetõttu ei ole Hollandi ravi tõhusus optimaalne. ZiuZ ja UMCG soovivad selles projektis uurida, kuidas tehisintellekt saab aidata parandada klassifitseerimist ja diagnoosimist, et suurendada seda vähemalt 0,8-ni ja vähendada seega vale ravi arvu. Projekti eesmärk on seega välja töötada esimene tõend arvutipõhise diagnostikavahendi (CAD) põhimõtte kohta, mille eesmärk on parandada hüperkineetiliste liikumishäirete loomuliku kulgemise diagnoosimist, ravi ja hindamist ning kasutada mitut andmeallikat (video/sensorid/meditsiiniline teave). Projekti tulemusi võiks kasutada ka näiteks Parkinsoni uurimistöös, millel on kokkupuuted värinatega.