引言
医疗健康的数字化转型从根本上重塑了护理交付与用户参与方式，为人—人工智能（AI）交互创造了新的机遇（Dahl et al., 2021, Kraus et al., 2021, Orsingher et al., 2024）。一项关键创新是AI健康助手平台，其涵盖广泛的应用类别，包括症状检查器、虚拟护理助手，以及Ada Health和Babylon Health等诊断聊天机器人（Iyanna et al., 2022, Jin and Eastin, 2025）。这些平台旨在提供自适应、数据驱动的方案，以提升决策能力和运营效率（Peltier et al., 2023, Swan et al., 2024）。仅美国医疗AI市场到2025年预计将达到100亿美元，覆盖90%的医院，并承担目前80%由人类医生完成的工作（Shi et al., 2024）。这显示了这些平台在实现远程护理和缓解系统性压力方面的日益普及，而医生数量有限使得这一需求更加迫切（Atmaja et al., 2024, Goel et al., 2024）。尽管这些平台解决了医疗领域的关键挑战，如可及性和个性化护理，但持续存在的"焦虑鸿沟"仍是广泛采用的重大障碍。本研究旨在弥合这一鸿沟，超越对抵触情绪的一般性理解，建立一个基于机制的细化框架，以便在高利害医疗情境中主动恢复用户的控制感（Jing et al., 2024, Zhu et al., 2023）。
医疗健康服务尤其有别于一般电子商务或服务领域。一个关键原因是提供者与患者之间存在深刻的信息不对称（Zhan et al., 2025）。医疗服务被视为"信任品"。也就是说，消费者往往缺乏评估服务质量的专业知识，即便在接受服务之后也是如此，这使得他们高度依赖提供者的指导（Junaid et al., 2024）。这种权力失衡因健康决策的高利害属性以及用户内在的情感脆弱性而加剧，用户在体验这些平台时常常伴随着对健康的恐惧、担忧或不确定（Huo et al., 2025）。与零售环境中的交互不同，在零售场景中用户通常处于中性情绪状态，而与健康助手的交互往往由健康问题引发，从而放大了用户对信任、清晰度和控制感的心理需求。因此，在此处破解焦虑缓解的精确机制，已超越用户体验优化的范畴，成为可持续部署医疗AI的战略与伦理使命。若忽视这些细微的焦虑，可能使弱势群体被抛在后，这使得本研究成为连接技术能力与以人为中心的医疗交付的关键桥梁。
尽管已有研究显著推进了我们对AI健康服务中用户焦虑的理解（见表格1的综述），但仍存在三个关键空白。第一，研究大多考察孤立的单一用户焦虑维度。部分研究聚焦技术使用焦虑（Fran?ois et al., 2023, Issa et al., 2024, Celebi et al., 2025, Dong and Wu, 2025, Zhu et al., 2023）和隐私泄露焦虑（Jin and Eastin, 2025, Zhu et al., 2023, Atmaja et al., 2024, Shi et al., 2024）。然而，个性化服务焦虑受到的关注相对较少（Shi et al., 2024, Iyanna et al., 2022）。尽管Iyanna等人（2022）对这三个维度进行了定性探索，但在AI健康助手情境下，用户焦虑多个子维度同时影响的全面实证证据仍然稀缺（研究空白1）。第二，现有研究已确立AI引发焦虑的直接效应（Fran?ois et al., 2023, Lalicic and Weismayer, 2021, Zhu et al., 2023），但较少研究关注调节变量，如消息情境性（Dong & Wu, 2025）、健康意识（Celebi et al., 2025）、电子健康素养和技术乐观主义（Atmaja et al., 2024）、感知威胁（Jin & Eastin, 2025）、技术焦虑（Shi et al., 2024）、医疗专科（Iyanna et al., 2022），以及特质焦虑与现状偏见（Yang & Sundar, 2025）。用户在做采用决策时受交互媒体特征影响（Goel et al., 2024, He and Zhang, 2023）。然而，交互元素尤其是AI界面中言语和视觉线索的潜在调节作用仍未被考察（研究空白2）。第三，尽管AI健康服务在交互营销中具有变革性影响（Swan et al., 2024, He and Zhang, 2023），且健康助手平台在护理生态系统中的重要性日益凸显（Goel et al., 2024），但如何通过行为和认知控制路径缓解不同类型的用户焦虑，相关实践指导仍被严重忽视（研究空白3）。
本研究考察在AI健康助手平台中缓解用户焦虑的适应性策略，针对医疗AI相关用户焦虑研究的关键空白。我们的核心研究问题探讨哪种交互方法最能有效提升不同焦虑类型下的用户采用意愿。本研究提供三项关键理论突破：第一，以往研究从技术导向（Fran?ois et al., 2023, Issa et al., 2024, Celebi et al., 2025）或服务导向视角（Jin and Eastin, 2025, Shi et al., 2024）考察用户焦虑，我们将这些碎片化视角整合为一个统一框架，捕捉AI健康平台中用户焦虑的多维特性。此外，通过采用实地数据与情境实验相结合的多方法设计，我们回应了Iyanna等人（2022）关于在多样化目标群体中进行混合方法研究的呼吁。第二，本研究通过将消息交互性（行动路径）和视觉非语言线索（线索路径）识别为关键调节变量，推进了HAII-TIME模型。由此，我们回应了Yang和Sundar（2025）关于考察AI焦虑在AI医疗情境中如何与分层的来源线索交互的呼吁。第三，本研究通过证明行为（认知）控制通过行动（线索）路径运作，拓展了感知控制理论。由此，我们直接回应了Mure?an等人（2025）关于整合情境变量以增强理论在在线医疗环境中解释力的建议。除理论贡献外，我们的发现还为AI医疗健康服务提供者提供实践指导，基于证据为选择优化用户采用并解决焦虑关切的交互模式提供建议。这一兼顾理论整合与实践应用的关注，推进了这一新兴领域的学术讨论与实际落地。
