NECAは、早期ICU期間の患者データに類似した訓練患者から得た臓器障害発生曲線を追加し、既存の予測モデルを補強する手法です。具体的には、1つのヒントとなる早期窓（初期数時間）で似た患者をK件選び、各予測時間窓（6h、12h、24h、42h）で発生率を集計し、得られた「相手曲線」を元の表現に結合します。こうして得た特徴量は、任意の機械学習器に投げ込むことができます。

PhysioNet 2012 と 4,000件の MIMIC‑IV 部分集合で実験した結果、Curve‑NECA は Raw のベースラインよりも優れた平均 PR‑AUC と ROC‑AUC を示しました。たとえば、Neurological（神経）イベントでは PR‑AUC が 0.461 から 0.557、ROC‑AUC が 0.689 から 0.766 へ上昇しました。Renal（腎）、Electrolyte/Metabolic（電解質/代謝）、Inflammatory（炎症）でも同様に改善が確認され、24h と 42h の時間窓で最大の相対改善が観測されました。