Atualmente, os pacientes com distúrbios do movimento hipercinético são classificados com base na opinião de especialistas. A eletromiografia (EMG) é utilizada em alguns casos. Por conseguinte, a classificação baseia-se principalmente na avaliação clínica. Avaliar o tipo de distúrbio do movimento hipercinético é complexo porque há pequenas nuances entre as doenças e os pacientes podem ter múltiplos distúrbios. Além disso, o homem faz a sua observação de uma forma holite e, portanto, sempre olha para a coerência do que está a ser observado. Para uma classificação e diagnóstico adequados dos distúrbios do movimento hipercinético, é essencial uma observação objetiva de (partes do) corpo. Isto diz respeito à frequência dos movimentos, por exemplo, da parte superior do braço, dos ângulos sob os quais isso ocorre e (in)aleatórios. O resultado de tudo isso é que a correta classificação e diagnóstico de distúrbios do movimento atualmente tem um valor Kappa, medida utilizada para refletir a concordância entre os especialistas, de uma média de 0,5 a 0,6. Isto significa que as possibilidades são relativamente altas que um diagnóstico errado é feito, um tratamento errado é começado e conseqüentemente a eficácia dos cuidados holandeses não é óptima. A ZiuZ e a UMCG pretendem investigar neste projeto de que forma a inteligência artificial pode contribuir para melhorar a classificação e o diagnóstico, com o objetivo de a aumentar para, pelo menos, 0,8 e, assim, reduzir o número de tratamentos «errados». O objetivo deste projeto é, portanto, desenvolver uma primeira prova de princípio de uma Ferramenta de Diagnóstico Assistida por Computador (ferramenta CAD) que visa melhorar o diagnóstico, o tratamento e a avaliação do curso natural das perturbações do movimento hipercinético e utilizar múltiplas fontes de dados (vídeo/sensores/informação médica). Os resultados do projeto poderiam então também ser aplicados, por exemplo, à investigação de Parkinson, que tem interfaces com tremores.