Pašlaik pacienti ar hiperkinētiskām kustību traucējumiem tiek klasificēti, pamatojoties uz ekspertu atzinumu. Dažos gadījumos izmanto elektromiogrāfiju (EMG). Tāpēc klasifikācija galvenokārt pamatojas uz klīnisko novērtējumu. Novērtējot hiperkinētisko kustību traucējumu veidu, ir sarežģīti, jo starp slimībām ir nelielas nianses, un pacientiem var būt vairāki traucējumi. Turklāt cilvēks dara savu novērojumu no holīta veidā un tāpēc vienmēr skatās uz to, kas tiek novērots saskanību. Pareizai hiperkinētisko kustību traucējumu klasifikācijai un diagnostikai būtiska ir objektīva ķermeņa (daļu) novērošana. Tas attiecas uz kustības biežumu, piemēram, augšdelma, leņķi, zem kuriem tas notiek, un (in)izlases. Tas viss ir tāds, ka pareizai kustības traucējumu klasifikācijai un diagnostikai pašlaik ir Kappa vērtība, ko izmanto, lai atspoguļotu vienošanos starp speciālistiem, vidēji no 0,5 līdz 0,6. Tas nozīmē, ka ir salīdzinoši lielas izredzes, ka tiek veikta nepareiza diagnoze, tiek uzsākta nepareiza ārstēšana, un tāpēc Nīderlandes aprūpes efektivitāte nav optimāla. ZiuZ un UMCG vēlas izpētīt, kā mākslīgais intelekts var palīdzēt uzlabot klasifikāciju un diagnostiku, lai to palielinātu vismaz līdz 0,8 un tādējādi samazinātu “nepareizas” ārstēšanas skaitu. Tāpēc šā projekta mērķis ir izstrādāt pirmo pierādījumu par datorizēta diagnostikas rīka (CAD) principu, kura mērķis ir uzlabot hiperkinētisko kustību traucējumu dabiskās gaitas diagnostiku, ārstēšanu un novērtēšanu un izmantot vairākus datu avotus (video/sensorus/medicīnisko informāciju). Projekta rezultātus pēc tam varētu izmantot arī, piemēram, Parkinsona pētījumiem, kuriem ir saskarne ar trīcēm.