事前にイベントの発生を予測し、誤報率が低いモデルは、医療コミュニティにおける意思決定支援システムの受け入れに不可欠です。この困難な課題は通常、サンプル間の時間的依存関係を無視した単純な二値分類として扱われますが、我々はこの構造を利用することを提案します。まず、動的生存分析と早期イベント予測を統一する共通の理論的枠組みを導入します。両分野の目的の分析に続いて、我々はTemporal Label Smoothing (TLS)という方法を提案します。これはより単純でありながら、時間的な予測の一貫性を保つ最良のパフォーマンスを持つ方法です。予測信号が強い領域に焦点を当てることで、TLSは2つの大規模ベンチマークタスクにおいてすべてのベースラインを超えるパフォーマンス向上を達成しました。特に臨床的に重要な指標（低誤報率でのイベントリコールなど）において、その改善は顕著です。TLSは、従来の早期イベント予測手法と比較して最大で2倍まで未検出イベント数を削減しています。