Šiuo metu pacientai, turintys hiperkinetinių judesių sutrikimų, klasifikuojami remiantis ekspertų nuomone. Kai kuriais atvejais naudojama elektromiografija (EMG). Todėl klasifikacija daugiausia grindžiama klinikiniu vertinimu. Hiperkinetinio judėjimo sutrikimo tipo vertinimas yra sudėtingas, nes yra nedidelių niuansų tarp ligų ir pacientų gali turėti keletą sutrikimų. Be to, žmogus atlieka savo stebėjimą iš holito būdu ir dėl to visada žiūri į tai, kas yra stebima. Norint tinkamai klasifikuoti ir diagnozuoti hiperkinetinius judėjimo sutrikimus, būtinas objektyvus kūno (dalių) stebėjimas. Tai susiję su, pavyzdžiui, žasto, kampų, pagal kuriuos tai įvyksta, judesių dažnumu ir atsitiktine tvarka. Viso to rezultatas yra tai, kad teisinga judėjimo sutrikimų klasifikacija ir diagnozė šiuo metu turi Kappa vertę, priemonę, naudojamą specialistų susitarimui atspindėti, nuo 0,5 iki 0,6 vidurkio. Tai reiškia, kad tikimybė, jog bus atlikta neteisinga diagnozė, yra gana didelė, pradedamas neteisingas gydymas, todėl Nyderlandų sveikatos priežiūros veiksmingumas nėra optimalus. ZiuZ ir UMCG nori ištirti, kaip dirbtinis intelektas gali prisidėti gerinant klasifikaciją ir diagnozę, siekiant padidinti jį bent iki 0,8 ir taip sumažinti neteisingo gydymo skaičių. Todėl šio projekto tikslas – parengti pirmąjį kompiuterinių diagnostikos priemonių (CAD) principo įrodymą, kuriuo siekiama pagerinti natūralios hiperkinetinių judesių sutrikimų eigos diagnozę, gydymą ir vertinimą bei naudojant įvairius duomenų šaltinius (vaizdo įrašus/jutiklius/medicininę informaciją). Tada projekto rezultatai taip pat galėtų būti taikomi, pvz., Parkinsono tyrimams, kurie turi sąsajų su drebuliu.