La forma más prevalente de cáncer de vejiga es el carcinoma urotelial, caracterizado por una alta tasa de recurrencia y costos de tratamiento sustanciales a lo largo de la vida para los pacientes. La gradación es un factor clave para la estratificación del riesgo del paciente, aunque sufre de inconsistencias y variaciones entre patólogos. Además, la ausencia de anotaciones en imágenes médicas dificulta el entrenamiento de modelos de aprendizaje profundo. Para abordar estos desafíos, presentamos un proceso diseñado para la gradación del cáncer de vejiga utilizando diapositivas histológicas. Primero, extrae mosaicos de tejido urotelial en diferentes niveles de magnificación, empleando una red neuronal convolucional para el procesamiento de la extracción de características. Luego, se involucra en el proceso de predicción a nivel de diapositiva. Emplea un enfoque de aprendizaje de múltiples instancias anidadas con atención para predecir la gradación. Para distinguir diferentes niveles de malignidad dentro de regiones específicas de la diapositiva, incluimos los orígenes de los mosaicos en nuestro análisis. Se muestra que las puntuaciones de atención a nivel de región se correlacionan con regiones de alto grado verificadas, brindando cierta explicabilidad al modelo. Las evaluaciones clínicas demuestran que nuestro modelo supera consistentemente a métodos previos de vanguardia, logrando un puntaje F1 de 0.85.