Predecir los artículos innovadores tiene una gran importancia; sin embargo, estudios previos han enfrentado desafíos en esta tarea, lo que indica la necesidad de una mejora sustancial. Proponemos que la incapacidad de capturar las características estructurales-evolutivas dinámicas de las redes de citas es una de las principales razones. Para superar esta limitación, este artículo introduce un nuevo método para construir cascadas de citas de los artículos de enfoque, lo que permite la creación de un conjunto de cascadas de citas similar a series temporales. Luego, a través de una revisión exhaustiva, se identifican tres tipos de indicadores estructurales en estas redes de citas que podrían reflejar avances, incluidas ciertas métricas topológicas básicas, valores de PageRank y la entropía del grafo de von Neumann. Basándose en el conjunto de cascadas de citas similar a series temporales, se calculan y utilizan como predictores las trayectorias dinámicas de estos indicadores. Utilizando los artículos ganadores del Premio Nobel como un conjunto de datos de referencia, nuestro método de predicción produce aproximadamente un 7% de mejora en la puntuación ROC-AUC en comparación con los métodos previos basados en estática. Además, nuestro método avanza en lograr predicciones más tempranas que otros métodos anteriores. La contribución principal de este artículo es proponer un método novedoso para crear cascadas de citas en orden cronológico y confirmar la importancia de predecir avances desde una perspectiva estructural dinámica.