Los chatbots de salud han ido creciendo hasta convertirse en una herramienta necesaria para abordar contextos arriesgados e importantes, como la búsqueda de información médica y de salud. Mientras tanto, la confianza hacia los chatbots influye en la disposición de las personas para adoptar la tecnología y utilizarla de manera constante. Por lo tanto, es importante explorar el mecanismo de formación de confianza hacia los chatbots de salud. Se ha introducido el TAM para explicar el mecanismo. Este estudio amplía el marco del TAM al incorporar el riesgo percibido y la autoeficacia para desarrollar un modelo ampliado que explique los mecanismos subyacentes a la formación de confianza en los chatbots de salud, aplicando una encuesta e investigando a 480 usuarios de chatbots chinos en Credamo. Los hallazgos muestran que el riesgo percibido reduce la confianza tanto de manera directa como indirecta a través de la utilidad percibida, la facilidad de uso percibida y la autoeficacia. Se apoyaron tanto las vías de mediación paralelas como las seriales. Estos resultados ofrecen una visión más completa sobre la formación de confianza en contextos de IA de alto riesgo y proporcionan orientación práctica para el diseño y la gobernanza de chatbots en la comunicación de salud.