Mientras que la estimación del pronóstico del glioma de bajo grado (LGG) es un problema crucial, no se ha estudiado extensamente para introducir mejoras recientes en el aprendizaje profundo para abordar el problema. El mecanismo de atención es uno de los avances significativos; sin embargo, aún no está claro cómo se utilizan los mecanismos de atención en los datos de expresión génica para estimar el pronóstico, ya que fueron diseñados para capas convolucionales y embeddings de palabras. Este artículo propone un mecanismo de atención llamado atención génica para datos de expresión génica. Además, se propone un modelo de aprendizaje profundo para la estimación del pronóstico de LGG utilizando atención génica. La Red de Conjunto de Atención Génica (GAENET) propuesta superó a otros métodos convencionales, incluyendo la máquina de soporte vectorial de supervivencia y el bosque aleatorio de supervivencia. Al ser evaluada por el índice C, la GAENET mostró una mejora del 7.2% en comparación con el segundo mejor modelo. Además, aprovechando el mecanismo de atención génica, se descubrió como el gen pronóstico más significativo en términos de entrenamiento de aprendizaje profundo. Aunque se conoce como un pseudogén, es un biomarcador que estima el pronóstico de LGG y ha demostrado la posibilidad de regular la expresión de otros genes pronósticos.