Tällä hetkellä potilaat, joilla on hyperkineettisiä liikehäiriöitä, luokitellaan asiantuntijalausunnon perusteella. Elektromyografiaa (EMG) käytetään joissakin tapauksissa. Luokittelu perustuu näin ollen pääasiassa kliiniseen arviointiin. Hyperkineettisen liikkeen häiriön tyypin arviointi on monimutkaista, koska sairauksien välillä on pieniä vivahteita ja potilailla voi olla useita häiriöitä. Lisäksi ihminen tekee havaintonsa holiittisella tavalla ja katsoo siksi aina havainnoinnin johdonmukaisuutta. Hyperkineettisten liikehäiriöiden asianmukainen luokittelu ja diagnosointi on välttämätöntä kehon (osien) objektiivinen havainnointi. Tämä koskee esimerkiksi olkavarren liiketiheyttä, kulmia, joissa tämä tapahtuu, ja (in)satunnaisuutta. Kaiken tämän seurauksena liikkumishäiriöiden oikea luokitus ja diagnoosi on tällä hetkellä Kappa-arvo, jota käytetään asiantuntijoiden välisen sopimuksen mukaisesti keskimäärin 0,5–0,6. Tämä tarkoittaa, että mahdollisuudet ovat suhteellisen korkeat, että tehdään väärä diagnoosi, aloitetaan väärä hoito ja siksi hollantilaisen hoidon tehokkuus ei ole optimaalinen. ZiuZ ja UMCG haluavat tutkia tässä hankkeessa, miten tekoäly voi auttaa parantamaan luokitusta ja diagnosointia tavoitteena nostaa se vähintään 0,8:aan ja vähentää näin ”väärän” hoidon määrää. Hankkeen tavoitteena on näin ollen kehittää ensimmäinen periaatteellinen todiste tietokoneavusteisesta diagnostiikkatyökalusta (CAD-työkalu), jonka tavoitteena on parantaa hyperkineettisten häiriöiden luonnollisen kulun diagnosointia, hoitoa ja arviointia ja käyttää useita tietolähteitä (video/anturit/lääketieteellinen tieto). Hankkeen tuloksia voitaisiin soveltaa myös esimerkiksi Parkinsonin tutkimukseen, jossa on rajapintoja vapina.