الضغط الناتج عن زيادة متزايدة في طلبات المرضى وقيود الميزانية يجعل إدارة أسرّة المستشفى تحديًا يوميًا للموظفين السريريين. الأهم من ذلك هو تخصيص كفاءة لأسرّة وحدة العناية المركزة (ICU)، التي تتطلب موارد كبيرة، للمرضى الذين يحتاجون إلى دعم الحياة. في صميم حل هذه المشكلة يكمن معرفة المدة المتوقعة لبقاء مجموعة المرضى الحالية في الوحدة. في هذا البحث، نقترح نموذج تعلم عميق جديد يستند إلى الجمع بين التحويل الزمني والتحويل النقطي (1x1)، لحل مهمة التنبؤ بمدة البقاء في قواعد بيانات الرعاية الحرجة eICU و MIMIC-IV. يُشار إلى هذا النموذج باسم التحويل الزمني النقطي (TPC)، وهو مصمم خصيصًا للتخفيف من التحديات الشائعة المرتبطة بسجلات الصحة الإلكترونية، مثل الانحراف، العينات غير المنتظمة والبيانات المفقودة. وبذلك، حققنا فوائد أداء كبيرة بنسبة 18-68٪ (حسب المؤشر والقاعدة البيانات) مقارنة بالشبكة الطويلة القصيرة الأجل (LSTM) الشائعة الاستخدام، والشبكة ذات الاهتمام الذاتي متعدد الرؤوس المعروفة باسم الترانسفورمر (Transformer). من خلال إضافة التنبؤ بالوفيات كمهمة جانبية، يمكننا تحسين الأداء بشكل أكبر، مما يؤدي إلى انحراف متوسط ​​مطلق قدره 1.55 يوم (eICU) و2.28 يوم (MIMIC-IV) في التنبؤ بمدة البقاء المتبقية.