A geração automática de laudos radiológicos a partir de radiografias de tórax tem atraído crescente atenção como forma de auxiliar os médicos e reduzir a carga de trabalho associada à interpretação de imagens médicas. No entanto, gerar laudos clinicamente coerentes e contextualizados continua sendo uma tarefa desafiadora, principalmente para modelos que dependem exclusivamente de informações visuais. Este artigo apresenta uma estrutura multimodal baseada em Transformers para a geração automática de laudos de radiografias de tórax, que integra imagens radiográficas e o histórico clínico do paciente. Representações visuais são extraídas de imagens de radiografias de tórax frontal e lateral utilizando uma arquitetura ResNet-50 com ajuste fino progressivo, enquanto o contexto clínico é codificado utilizando o Bio_ClinicalBERT para incorporar conhecimento médico específico da área. Essas representações multimodais são fundidas e processadas por uma arquitetura codificador-decodificador Transformer que gera laudos radiológicos de forma autorregressiva. Experimentos conduzidos no conjunto de dados MIMIC-CXR demonstram que o modelo proposto é capaz de gerar laudos radiológicos estruturados que capturam achados clinicamente relevantes e preservam a organização geral do laudo. O modelo alcançou uma pontuação BLEU-4 de 0,089, uma pontuação ROUGE-L de 0,263 e uma pontuação METEOR de 0,282. Os resultados sugerem que a incorporação de informações do histórico clínico pode contribuir para a geração de laudos mais contextualizados, reforçando o potencial de abordagens multimodais para a elaboração automática de laudos radiológicos.