该研究提出了一种对待处理缺失数据的机器学习模型建模的对比学习框架，通过学习不完整样本与其完整对应物之间的相似性和其他样本之间的不相似性来解决现有方法中的三个主要缺点，并引入了可解释技术来可视化学习过程和诊断模型状态。结果表明该方法在不需要填充缺失值的情况下具有高预测准确性和模型可解释性。