본 논문은 UCI 당뇨병 데이터셋에 적용된 새로운 양자 영감을 받은 데이터 결측치 대체 프레임워크를 제시한다. 이 방법은 주성분 분석(PCA)과 양자 지원 회전을 통합하여, COBYLA, 시뮬레이티드 어닐링, 차분 진화와 같은 기울기 없는 고전적 최적화 기법을 통해 결측값을 재구성한다. 재구성된 값은 원래 특징 분포의 ±2 표준 편차 내에 제한되어 중심 경향으로의 비현실적인 클러스터링을 방지한다. 기존의 평균, KNN, MICE와 같은 방법과 비교하여 Wasserstein 거리의 85% 이상 감소 및 Kolmogorov-Smirnov 검정 p-값이 0.18~0.22(기존 방법은 0.99 초과)로 통계적으로 유의미한 개선을 달성한다. 또한, 0값 아티팩트를 제거하고 대체 데이터의 현실성과 변동성을 향상시킨다. 양자 영감 변환과 확장 가능한 고전적 프레임워크를 결합하여 의료 및 AI 파이프라인과 같이 데이터 품질과 무결성이 중요한 분야에서 결측치 대체 작업에 대한 강력한 솔루션을 제공한다.
