بیماری ALS یکی از شایعترین بیماری های عصبی عضلانی است که مکانیزم و دلیل آن ناشناخته است و در مراحل اولیه بیماری علائم ظاهری مشخصی نداشته و در اغلب موارد، تست های تشخیصی موجود در افتراق این بیماری از سایر بیماری های این حوزه دچار مشکل می شوند. تشخیص این بیماری در مراحل اولیه میتواند نحوه درمان و کنترل علائم را بهبود و همچنین طول عمر بیمار را افزایش دهد. در این راستا تیم تحقیقاتی دکتر امیرهمایون جعفری مدیر گروه فیزیک و مهندسی پزشکی دانشگاه علوم پزشکی تهران،  در آزمایشگاه سیگتال و تجهیزات پزشکی واقع در مرکز تحقیقات فناوری های بایومدیکال و رباتیک دانشگاه، با استفاده از روش های پردازشی پیشرفته مبتنی بر هوش مصنوعی و دینامیک غیر خطی، نمونه آزمایشگاهی دستگاه هوشمند تشخیص اتوماتیک ارتباط عملکردی عصبی عضلانی را طراحی و توسعه داده اند. دستگاه هوشمند تشخیص اتوماتیک ارتباط عملکردی عصبی عضلانی شامل بخش های سخت افزاری  و نرم افزاری به منظور انجام پردازش های لازم ثبت داده های مغزی و عضلانی حین فعالیت حرکتی و نمایش نتایج ارزیابی به صورت Real-Time است. این اطلاعات به نرم افزار هوشمند فرستاده می شود و معیار و شاخص کوپلینگ براساس انتخاب نوع آنالیز در هر نوبت برای تشخیص فرد مبتلا به بیماری ALS تعیین می شود. دستگاه هوشمند ارزیابی عملکرد سیستم عصبی عضلانی که در سال 1402 به همت محققان این آزمایشگاه طراحی و ساخته شد؛ توانست در مسابقه بین المللی BCI Awards 2023 به عنوان یکی از نامزد های دریافت جایزه نهایی انتخاب شود.