Este documento propone una mejora potencial del traspaso para la red celular de múltiples niveles de próxima generación, utilizando dos tecnologías habilitadoras de quinta generación (5G): la computación en el borde de múltiples accesos (MEC) y el aprendizaje automático (ML). Las técnicas de MEC y ML son los principales habilitadores para el ancho de banda móvil mejorado (eMBB) y la comunicación ultra confiable y de baja latencia (URLLC). El subconjunto de ML elegido para esta investigación es el aprendizaje profundo (DL), ya que es hábil en el aprendizaje de dependencias a largo plazo. Se utiliza una variante de redes neuronales artificiales llamada red de memoria a corto y largo plazo (LSTM) junto con una tabla de búsqueda (LUT) como parte de la solución propuesta. Posteriormente, se utilizan métodos de virtualización de computación en el borde para reducir la latencia del traspaso y aumentar el rendimiento general de la red. Una simulación realista de la solución propuesta en una red de acceso radioeléctrico (RAN) 5G de múltiples niveles mostró una mejora del 40-60% en el rendimiento general. Aunque el esquema propuesto puede aumentar el número de traspasos, es efectivo para reducir las tasas de fallo de traspaso (HOF) y de ping-pong en un 30% y un 86%, respectivamente, en comparación con el esquema actual de 3GPP.