Trenutno so bolniki s hiperkinetičnimi motnjami gibanja razvrščeni na podlagi strokovnega mnenja. V nekaterih primerih se uporablja elektromiografija (EMG). Razvrstitev torej temelji predvsem na klinični oceni. Ocenjevanje vrste hiperkinetične motnje gibanja je zapleteno, ker obstajajo majhne nianse med boleznimi in bolniki imajo lahko več motenj. Poleg tega človek naredi svoje opazovanje iz holitnega načina in zato vedno gleda na skladnost tega, kar se opazuje. Za pravilno razvrstitev in diagnozo hiperkinetičnih motenj gibanja je bistveno objektivno opazovanje (delov) telesa. To se nanaša na pogostost gibov, na primer, nadlakti, kotov, pod katerimi se to zgodi, in (ne)naključno. Rezultat vsega tega je, da ima pravilna klasifikacija in diagnoza motenj gibanja trenutno Kappa vrednost, ukrep, ki odraža dogovor med strokovnjaki, od povprečno 0,5 do 0,6. To pomeni, da so možnosti razmeroma velike, da se naredi napačna diagnoza, začne se napačno zdravljenje in zato učinkovitost nizozemske oskrbe ni optimalna. ZiuZ in UMCG želita v tem projektu raziskati, kako lahko umetna inteligenca prispeva k izboljšanju klasifikacije in diagnoze, da bi jo povečali na vsaj 0,8 in tako zmanjšali število „napačnih“ zdravljenja. Cilj tega projekta je torej razviti prvi dokaz načela računalniško podprtega diagnostičnega orodja (CAD orodje), katerega cilj je izboljšati diagnozo, zdravljenje in vrednotenje naravnega poteka hiperkinetičnih motenj gibanja in uporabo več virov podatkov (video/senzorji/medicinske informacije). Rezultati projekta bi se nato lahko uporabili tudi za npr. Parkinsonovo raziskavo, ki je povezana s tremorjem.