背景:胰腺癌是恶性程度最高的肿瘤之一,病死率接近于发病率[1]。目前,唯一可能治愈胰腺癌的治疗手段仍然是手术切除,而淋巴结转移是术前影响手术预后的高危因素之一。增强CT等影像检查可以辅助临床医生在术前评估胰腺癌患者的淋巴结分期,但诊断准确率往往不高。因此,提高胰腺癌术前淋巴结转移诊断准确率具有重要的临床意义。目的:基于多期增强CT图像和临床特征,构建一个多模态模型（Multimodal model,MMM）,以在术前预测胰腺癌患者的淋巴结转移风险。方法:我们首先结合了列线图（Nomogram）和传统的加权可靠证据推理（Evidential reasoning,ER）规则,提出新的证据推理规则和基于新证据推理规则的分类器融合策略（CFS-nER）。然后以核支持张量机（Kernelled support tensor machine,KSTM）为骨干模型,分别以增强CT的平扫期、动脉期和静脉期为输入,构建三个基于增强CT的分类器。接着,使用我们提出的CFS-nER,融合三个基于增强CT的KSTM,从而构建多期增强CT融合模型,以整合每个时期增强CT的信息。再者,通过单变量和多变量逻辑回归分析,从临床特征（包括专家经验）中筛选风险因子,被筛选的风险因子分别用来建立相应的分类器。最后,进一步使用我们提出的CFS-nER,结合多期增强CT融合模型和每个基于风险因子的分类器,构建基于多期增强CT和临床特征的多模态模型,写为MMM-nER。这项回顾性研究基于来自四个中国医学中心的数据展开,包括186名胰腺癌患者,其中88（47.31%）名患者患有淋巴结转移。两个中心的数据（140名患者）使用五折交叉验证技术以发展预测模型,另外两个中心的数据用于独立测试以进行模型评价。结果:与所有基于增强CT图像的模型（包括三个单期增强CT模型和三个两期增强CT融合模型）相比,三期增强CT融合模型获得了总体最好的表现,这显示了三期增强CT图像之间存在互补信息且被CFS-nER很好地综合,以达到更好地胰腺癌淋巴结转移预测。我们的MMM-nER进一步提高了预测表现,这也显示了增强CT图像和临床特征之间存在互补信息,且能被我们提出的CFS-nER很好地综合起来。基于我们提出的MMM-nER,与基于传统分类器融合策略的多模态模型相比,具有更好的预测能力,这展示了我们的CFS-nER的优势。结论:我们提出了 CFS-nER,并基于它构建了一个以KSTM为骨干模型的三期增强CT融合模型,以及一个融合了三期增强CT和临床特征的多模态模型,都获得了比融合之前的模型和基于其他分类器融合策略的多模态模型更好的表现。鉴于我们的多模态模型的表现,它有希望辅助临床医生在术前无创地评估胰腺癌的淋巴结状态。