本研究は、機械学習モデルの説明可能性における新しいアプローチを提案する。従来の欠損値処理の考え方を見直し、欠損値をデータ分析に有益な戦略的情報源へと転換する。意図的な欠損値導入による属性の重要度評価方法を提案し、公開されている2つの医療データセットを用いて評価する。先行研究のBARBEフレームワークの知見を踏まえ、モデルの判断過程を分析し、単なる予測精度を超えて、予測根拠の透明性と解釈可能性を検討する。特に、欠損パターンが内包する潜在的な情報を抽出し、新たな分析方法構築の基礎とする。本提案手法は、説明可能なAI技術の発展に寄与し、データ解析における属性の重要度評価の新たな方法になることが期待される。