본 논문은 데이터 수집 과정에서 발생하는 결측값 패턴이 대규모 언어 모델(LLM)의 성능에 미치는 영향을 연구한다. 특히, 의료 데이터를 대상으로 결측값 정보를 LLM에 명시적으로 포함시키는 것이 제로샷 예측 성능에 미치는 영향을 실험을 통해 분석한다. 컬럼비아 대학교 의료센터 및 MIMIC-IV 데이터를 활용한 실험 결과, 결측값 처리가 모델의 크기에 따라 상반된 영향을 미칠 수 있음을 확인하고, 결측값의 영향에 대한 더 투명한 평가의 필요성을 제시한다.
