Exploramos la viabilidad de la Radiodifusión Terrestre en una Red de Frecuencia Única (SFN) con la numerología estándar de la Nueva Radio 5G (5GNR) diseñada para transmisión unicast. En lugar del esquema clásico de detección símbolo a símbolo OFDM o una técnica de ecualización más compleja, diseñamos un detector basado en Redes Neuronales Recurrentes (RNN) que reemplaza los bloques de estimación de canal y ecualización. El RNN es una Memoria a Corto y Largo Plazo bidireccional (bi-LSTM) que calcula las razones de verosimilitud entregadas al decodificador LDPC a partir de los símbolos recibidos afectados por una fuerte interferencia intersímbolo/interportadora (ISI/ICI) en canales variables en el tiempo. Para simplificar el receptor RNN y reducir la sobrecarga del sistema, las señales piloto y de datos en nuestro esquema propuesto están superpuestas en lugar de estar intercaladas. Describimos la optimización de parámetros del RNN y proporcionamos resultados de simulación de extremo a extremo, comparándolos con los de un sistema clásico, donde la forma de onda OFDM está diseñada específicamente para la Radiodifusión Terrestre. Mostramos que el sistema supera a los receptores clásicos, especialmente en escenarios desafiantes asociados con una gran distancia entre sitios y una gran movilidad. También proporcionamos evidencia de la robustez del receptor RNN diseñado, demostrando que un receptor RNN entrenado en una sola relación señal-ruido y velocidad de usuario funciona eficientemente también en una amplia gama de escenarios con diferentes relaciones señal-ruido y velocidades.